A Anthropic anunciou na sexta-feira que um dos seus modelos de investigação resolveu, em menos de meia hora, um problema aberto há 25 anos: de onde vieram os parâmetros das curvas elípticas que o NIST padronizou em 2000. A resposta — um gerador pseudoaleatório do C dos anos 1990, inicializado com a data do sistema — não revela fragilidade nenhuma. Faz o contrário: torna muito menos plausível a suspeita de que aqueles valores escondessem uma porta traseira.
Três outros trabalhos do mesmo dia trataram do outro lado da questão. Um mapa da Mercor mostra que os benchmarks de IA cobrem 208 das 923 profissões norte-americanas. Um inquérito da Anthropic mede o fosso entre o que os seus funcionários esperam e o que o público espera. E o PostgreSQL 19 atrasou-se porque as revisões de código com LLM encontraram mais defeitos do que havia gente para os corrigir.
vinte e cinco anos de suspeita, meia hora de procura
As curvas do padrão de assinaturas digitais do NIST vieram cada uma com um «seed» — o valor cujo hash define um dos coeficientes — e nenhuma explicação sobre a origem. Os parâmetros tinham sido entregues pela NSA, e a dúvida instalou-se: teriam sido escolhidos para conter uma porta escondida? Neal Koblitz e Alfred Menezes resumiram o problema em 2015; Jerry Solinas, o funcionário da NSA que gerou os seeds, disse nesse ano que a mensagem original seria uma piada interna. Morreu em 2023 sem a questão resolvida.
Claude chegou lá por outro caminho: reconstruiu o software. Supôs que os anos 1990 tinham deixado um gerador pseudoaleatório de biblioteca C e escreveu um scanner que deslizava pelos seeds um bit de cada vez, à procura de saídas consecutivas. Notou que, em quatro dos dez seeds, o bit mais alto de todas as palavras era zero — o que acontece por acaso com probabilidade de 1 em 5810. É a assinatura do lrand48, que devolve só os 31 bits de cima de um estado de 48. Recuperado o estado — por força bruta nas binárias, por redução de rede LLL nas primas —, faltava recuar até à inicialização: os seeds das curvas primas saíram de datas Unix entre maio de 1997 e abril de 1998. O P-256 apareceu à 1842.ª tentativa.
Vale ler o que a Anthropic diz do alcance disto, porque é a empresa a travá-lo: não é um ataque, não é uma quebra, não há nada a mudar. «A maioria dos investigadores já confiava nas curvas», escreve. E há um limite óbvio — só existe uma fonte, da parte interessada, sem revisão por pares. A diferença é que o resultado é verificável: quem tiver os seeds publicados e paciência para correr o gerador refaz a conta. A confiança não vem de uma autoridade; vem de o cálculo fechar.
os benchmarks cobrem um quinto das profissões
A Mercor pegou na taxonomia O*NET do Departamento do Trabalho norte-americano — 923 profissões, 18 797 tarefas — e mapeou-a contra 29 benchmarks de agentes. O resultado: 208 das 923 profissões têm pelo menos uma tarefa com cinco prompts de benchmark, e em 6 das 22 famílias profissionais não há uma única. A estimativa que a empresa tira daí é que 90% das horas de trabalho nos Estados Unidos passam em tarefas mal cobertas ou não cobertas.
A cobertura não é aleatória. Tarefas marcadas como expostas à IA têm seis vezes mais probabilidade de estar representadas, o que é expectável. Mas, mesmo controlando isso, as profissões com maior massa salarial estão sobrerrepresentadas: os benchmarks cobrem bem as tarefas dos advogados e quase nada as das secretárias jurídicas ou dos funcionários dos tribunais — o mesmo tipo de exposição, salários diferentes. A Mercor admite que o número é provisório e que a escolha de 29 benchmarks o enviesa para baixo; é também uma empresa que vende avaliações, e tem interesse em mostrar o vazio. A ordem de grandeza não surpreende: os benchmarks medem sobretudo engenharia de software e investigação, onde é fácil escrever tarefas.
noventa e um por cento contra trinta e nove
Em agosto, a Anthropic inquiriu 10 980 adultos norte-americanos, numa amostra representativa, e comparou as respostas com as dos seus próprios funcionários. Os dois grupos concordam no essencial sobre o que a IA faz hoje. Divergem no ritmo: 39% do público espera que a IA faça uma descoberta ao nível de um Nobel até 2030, contra 91% dos funcionários. Estes esperam que a IA faça 75% do seu trabalho atual dentro de quatro anos; os trabalhadores norte-americanos dizem 28%. E entre 19% e 40% dos adultos, conforme a tarefa, respondem que a IA nunca a conseguirá fazer — contra no máximo 2% dos funcionários.
O dado mais interessante é onde não divergem. Nos dois grupos, quem espera mais automação do próprio emprego prevê mais desemprego, e ao mesmo nível de automação esperada as previsões são parecidas. A discordância é sobre capacidade, não sobre o mecanismo. O público, quando escolhe o que vai travar a adoção, aponta primeiro os clientes que preferem falar com uma pessoa, depois a privacidade dos dados, a fiabilidade e a lei — não a tecnologia. O inquérito tem o enviesamento óbvio: os funcionários da Anthropic são um grupo selecionado, e têm interesse em acreditar no que constroem.
quarenta relatórios de defeitos e uma data que fugiu
O PostgreSQL 19 devia sair no final de setembro ou no início de outubro. Sai por volta de 19 de novembro, com oito a dez funcionalidades adiadas para a versão 20. Peter Eisentraut, vice-presidente da EDB e um dos principais committers do projeto, explicou o atraso num blogue: parte das funcionalidades tinha defeitos de arquitetura difíceis de corrigir em beta, mas o que mudou foi o resto. As revisões de código assistidas por LLM passaram a encontrar uma cauda longa de problemas de casos-limite que, noutros tempos, só apareceriam meses ou anos depois do lançamento. «Ficas a olhar para uma lista de quarenta relatórios de defeitos. Mesmo que cada um exija uma correção de três linhas, há um custo fixo para tratar cada um, e o tempo acaba», disse.
Não é vibe coding: as funcionalidades foram escritas antes de estas revisões serem tão boas. O que subiu foi o critério de qualidade, depois de o código estar feito — e o resultado é uma versão mais pequena. Caiu, por exemplo, o SQL/PGQ, as consultas de grafos do padrão de 2023; Tom Lane tinha avisado que, se saísse na 19, haveria bugs impossíveis de corrigir antes da 20. Fica o REPACK CONCURRENTLY. Encontrar defeitos ficou mais barato do que corrigi-los.
As três histórias medem a mesma assimetria. O resultado do Claude vale porque qualquer pessoa o pode repetir; o mapa da Mercor mostra que medimos o que é fácil de especificar; o inquérito mede convicções, não capacidades. E o PostgreSQL mostrou o que acontece quando verificar corre mais depressa do que a capacidade de agir. A pergunta já não é se a IA consegue verificar. É quem tem tempo para ler o que ela encontra.