GPT-6 Astra quebra Enigma nazista em 10 horas

83 anos travado, 10 horas para destravar

GPT-6 Astra quebrou em cerca de dez horas uma mensagem Enigma da Wehrmacht que ficou sem solução por 83 anos. Não foi um texto longo ou estratégico, era um pedido curto e operacional de um soldado alemão em 10 de julho de 1941, transmitido da cidade de Rosenow, pedindo instruções sobre a rota de marcha e uma resposta imediata por rádio. O código, de apenas 82 caracteres e catalogado como MVUEH, resistiu a décadas de tentativas de historiadores e criptoanalistas. E agora, segundo o relato publicado, caiu com ajuda de agentes de IA trabalhando em paralelo.

Isso incomoda porque mexe com uma certeza antiga. A Enigma era um monstro mecânico para a época, com cerca de 159 quintilhões de ajustes diários possíveis. Quebrar na força bruta pura nunca foi opção, nem em 1941, nem hoje sem atalho. Então como um modelo resolveu em uma noite o que gente especializada não resolveu em uma vida? A resposta curta é que ele não adivinhou a chave no escuro. Ele testou hipóteses, cruzou arquivos e explorou uma fraqueza conhecida da máquina.

O fato sem enfeite

O caso foi descrito por Carter Leffen, profissional de desenvolvimento de produto na Bloomberg, em Nova York. Ele diz ter usado uma variante chamada GPT-6 Astra Extra High para conduzir todo o processo, da pesquisa histórica à construção de um simulador Enigma em 3D, passando pela escrita de código de criptoanálise, execução de experimentos paralelos e validação cruzada com mensagens já resolvidas do mesmo período.

A mensagem original nunca tinha sido decifrada no arquivo de interceptações do exército alemão onde estava listada como não resolvida. Tentativas iniciais com chaves conhecidas do mesmo dia falharam, e buscas automáticas não retornaram nada útil. O avanço veio de outra mensagem do mesmo dia, já decifrada, que citava duas vezes seguidas o nome da cidade de Rosenow. A hipótese do time foi simples e pragmática: e se a mensagem perdida também contivesse Rosenow? Foi esse palpite, mais do que poder computacional, que abriu a porta.

Como funciona na visão de quem opera

Pensa no trabalho como um pipeline de agentes, não como um cérebro único genial. Um grupo de agentes ficou responsável por vasculhar arquivos históricos e comparar letras incertas em digitalizações antigas. Outro grupo escreveu programas de busca e montou um simulador funcional da Enigma. Um terceiro rodou testes de chaves concorrentes e comparou os resultados com textos já conhecidos. Leffen atuou como orquestrador, definindo metas e decidindo quando insistir ou descartar uma linha de investigação.

A parte técnica que destravou tudo usa duas propriedades clássicas da Enigma. Primeiro, o conceito de crib, que é chutar uma palavra provável do texto claro e testar onde ela se encaixaria no texto cifrado. Com Rosenow como crib, o espaço de busca despenca. Segundo, a falha famosa da Enigma: ela nunca cifra uma letra como ela mesma. Se o texto claro tem um R em uma posição, o cifrado naquela posição pode ser qualquer letra menos R. Isso parece um detalhe pequeno, mas permite eliminar milhares de posições falsas de forma rápida e barata.

Em uma posição específica tudo alinhou. A partir dali foi possível calcular os ajustes da máquina e decifrar os 68 caracteres restantes como um alemão coerente, com trechos como Sofort Funkantwort, que significa resposta imediata por rádio, e Angabe des Marschweges, que pede a definição da rota de marcha. Um cabeçalho preservado separadamente no arquivo bateu com os ajustes encontrados, o que deu mais confiança. Até os erros ajudaram a convencer. O texto traz BTTE em vez de BITTE e WASCHBBSCH que provavelmente seria Waschbusch, nome do remetente. A lógica é boa: um resultado forjado tenderia a ser perfeito demais, enquanto erros de operador de rádio são exatamente o que se espera de 1941.

O custo invisível por trás das 10 horas

Dez horas soa barato, mas não significa dez horas de uma chamada de API. Significa dez horas de agentes rodando em paralelo, gerando código, executando simulações, errando e reexecutando. Em termos de operador, isso provavelmente envolve milhares de chamadas, janelas de contexto longas para manter arquivos históricos e resultados intermediários, além de computação para rodar o simulador e as buscas de chave. Não há número oficial de tokens ou dólares, mas dá para inferir que o custo não está na inferência única e sim na orquestração. Latência aqui importa menos que throughput de experimentos. O que acelerou não foi um modelo mais rápido, foi a capacidade de testar muitas hipóteses sem intervenção humana a cada passo.

O próprio Leffen disse algo revelador: ele gastou 99 vezes mais esforço construindo o site que documenta o problema e a solução do que efetivamente quebrando o código. Isso bate com a realidade de quem já operou agentes. O gargalo não é mais escrever o script de busca, é formular bem o problema, curar os dados de entrada e montar um harness de verificação que impeça o modelo de se convencer de uma solução errada.

O que isso muda na prática

Para quem trabalha com pesquisa histórica, inteligência e criptoanálise, a mensagem é direta. Arquivos dados como mortos podem voltar a ser úteis se você combinar IA para leitura de documentos, código gerado sob demanda e verificação cruzada. Não precisa ser Enigma. Vale para códigos de campo, abreviações militares, caligrafia difícil e metadados incompletos. Quem ganha agora é quem tem arquivo bem digitalizado e contexto histórico para criar bons cribs. Quem perde é quem achava que só força bruta ou só especialista humano resolveria.

Para quem constrói produtos com IA, o recado é outro. O diferencial não foi o modelo sozinho, foi o sistema ao redor dele. Simulador executável, dados de teste, comparação com mensagens resolvidas, cabeçalho independente para confirmar. Sem isso, o GPT-6 Astra poderia alucinar um alemão plausível e ninguém perceberia. Com isso, virou ciência replicável. Todo o código, dados de busca e o simulador foram publicados para download, o que permite recalcular e repetir a sequência de busca, mesmo que ainda falte prova definitiva de unicidade histórica.

Se você quer transformar isso em ação prática, faça o seguinte. Baixe o pacote publicado e rode a verificação local para entender o harness, não apenas o resultado final. Depois pegue um problema pequeno do seu domínio, um log antigo, um lote de documentos com OCR ruim, e monte o mesmo trio: um agente para buscar contexto, outro para gerar código de teste e um terceiro só para tentar refutar a solução. A regra de ouro aqui é simples: nenhum resultado de agente vale sem um verificador independente que não foi gerado pelo mesmo raciocínio.

• Ação imediata: replique o experimento do simulador Enigma em ambiente isolado e meça quantas hipóteses por minuto seus agentes conseguem testar com custo controlado antes de aplicar a mesma arquitetura em arquivos reais da sua empresa.

A tensão que ninguém quer admitir

Aqui vai a dúvida real. Isso escala ou foi sorte com um bom crib? Sem a palavra Rosenow vinda de outra mensagem do mesmo dia, dez horas poderiam virar dez meses. IA acelera teste de hipótese, mas ainda depende de intuição humana para escolher a hipótese certa. E tem outro ponto sensível: decifrar 82 caracteres com erros de operador e validar com um cabeçalho é convincente, mas não prova que seja a única solução possível. A validação final depende de especialistas independentes revisando o material publicado, não do relato de sucesso.

Também tem o custo que ninguém detalha. Rodar uma frota de agentes por dez horas na variante mais forte de um modelo de fronteira não é barato e nem trivial de reproduzir. Funciona para um caso histórico de alto valor simbólico, mas compensa para mil mensagens? Para escalar seria preciso destilar esse pipeline em modelos menores, cachear buscas e formalizar o verificador. Caso contrário, a gente só moveu o gargalo: antes faltava gente para tentar, agora falta orçamento para deixar os agentes tentando sem parar.

Conclusão prática

No fim, o feito é menos sobre nazismo ou recorde e mais sobre método. GPT-6 Astra não quebrou a Enigma na marra, ele operacionalizou o trabalho chato que ninguém tinha tempo de fazer por 83 anos. A pergunta que fica é incômoda para quem opera IA todo dia: quantos problemas insolúveis no seu backlog só estão parados porque ninguém montou ainda o verificador certo para deixar os agentes errarem rápido e barato?