AI-translated from English; not yet reviewed by a fluent editor.

# Em uma auditoria de modelos de IA, resultados de segurança estavam públicos no lançamento em apenas 9 de 857 versões

> A SemiAnalysis encontrou resultados de segurança específicos do modelo disponíveis até o lançamento em apenas nove das 857 versões de nove desenvolvedores sediados na China. A auditoria mede divulgação pública, não testes privados nem a segurança dos modelos.

By BIG CHANGE Editorial

Published: 2026-10-11T22:00:10.466Z
Updated: 2026-10-11T22:00:10.466Z
Canonical: https://bigchange.ai/blog/ai-model-safety-results-public-at-launch-semianalysis

![Conceptual charcoal illustration of a glass-fronted public notice case with generic papers and one orange-cornered sheet beside another notice.](https://bigchange.ai/api/media/file/china-safety-disclosure-hero-v2.png)
A conceptual public notice case illustrates the difference between a release notice and a publicly visible result. It does not depict actual developer documents or scale the audit's 857 releases; a missing public result does not establish whether private testing occurred. AI-generated by BIG CHANGE.

Na análise de 8 de outubro, a SemiAnalysis encontrou resultados de segurança publicados em 31 das 857 versões; apenas nove os tinham no lançamento  [análise de 8 de outubro](https://newsletter.semianalysis.com/p/beijing-will-not-pace-the-frontier), a SemiAnalysis contou 857 versões de nove desenvolvedores sediados na China entre 2021 e 15 de setembro de 2026. Encontrou um resultado de segurança publicado em 31 versões (3,6%). Em apenas nove (1,1%), o resultado estava disponível no dia do lançamento do modelo ou antes.

Os números descrevem o que os pesquisadores conseguiram encontrar nos materiais públicos dos desenvolvedores. Eles não mostram quantos modelos foram testados em privado nem se algum modelo específico é seguro.

## A grande mudança

- **O que mudou:** A SemiAnalysis quantificou uma lacuna de documentação em um conjunto definido de versões: nove de 857 tinham um resultado de segurança específico do modelo que o público podia ler até o dia do lançamento.
- **Por que importa:** Quem avalia um modelo no lançamento precisa dos resultados daquela versão. Uma garantia genérica de que houve testes, ou um resultado publicado depois do lançamento, não responde à mesma pergunta naquele momento.
- **O que acompanhar:** Para as próximas versões, o sinal útil é um resultado datado, ligado ao modelo exato e disponível quando os usuários recebem acesso pela primeira vez. A taxa de divulgação da auditoria pode mudar quando surgem documentos, mas uma publicação posterior não altera o que estava disponível no dia do lançamento.

## O que a auditoria contou

A SemiAnalysis diz que o censo abrangeu 741 versões de modelos de produto e 116 de modelos de pesquisa de Alibaba, ByteDance, Tencent, Baidu, DeepSeek, Moonshot, Zhipu (Z.ai), MiniMax e StepFun. A equipe definiu a primeira data pública de cada versão e depois consultou cartões de modelo, notas de lançamento e relatórios técnicos dos desenvolvedores em busca de um resultado de segurança que pudesse ser associado àquela versão.

Para se qualificar, um resultado precisava apresentar uma conclusão quantitativa ou substancial sobre um modelo identificado. Os temas incluíam respostas nocivas, resistência a jailbreaks, toxicidade, privacidade, comportamento de recusa e capacidades perigosas. Uma afirmação de que o modelo passou por treinamento ou avaliação de segurança, sem apresentar uma conclusão, não contava. Os pesquisadores também não estenderam o resultado de um modelo principal a outros tamanhos ou snapshots posteriores.

Essa regra rígida de correspondência torna o denominador importante. As 857 entradas são versões contabilizadas, incluindo variantes, e não 857 sistemas de fronteira com capacidades equivalentes. A SemiAnalysis observa que desenvolvedores dão nomes às variantes com diferentes níveis de detalhe. Portanto, a contagem serve para examinar a documentação desse conjunto de versões, não para classificar empresas individuais com segurança.

## Quando os resultados apareceram

Das 31 versões com resultado publicado que atendia aos critérios, nove o tinham no lançamento ou antes. Dezesseis foram documentadas depois; a SemiAnalysis relata atraso mediano de 42 dias para esse grupo. Nas outras seis, os pesquisadores não conseguiram estabelecer o momento ou a correspondência com um modelo específico. Essas seis fazem parte das 31 com algum resultado publicado, mas não podem ser contadas como divulgações no dia do lançamento.

Os demais casos também exigem cuidado na formulação. A SemiAnalysis encontrou 10 versões com alegação de avaliação, mas sem números, e três conhecidas apenas por relatos da imprensa ou de investidores para as quais não conseguiu obter documentação dos desenvolvedores. Nos materiais examinados, não encontrou divulgação de segurança para 813 versões. Esses grupos, junto das 31 com resultados, somam 857 versões.

O [relato da Reuters sobre a análise](https://uk.marketscreener.com/news/china-ai-developers-publish-safety-tests-for-just-3-6-of-model-releases-report-finds-ce785ddcd98cf623) também destaca que empresas podem ter feito testes privados. “Nenhuma divulgação encontrada” descreve o registro público examinado aqui. Isso não prova que os testes não ocorreram, e um teste publicado não estabelece por si só a segurança fundamental do modelo. Nesta auditoria, a SemiAnalysis não forneceu uma taxa comparável por versão para desenvolvedores dos EUA.

Para quem escolhe ou avalia um modelo, a distinção prática é simples: identificar a versão exata, procurar um resultado datado e específico do modelo e verificar se estava disponível quando ele foi lançado. Essa evidência mostra o que o desenvolvedor tornou público. É apenas uma parte da avaliação de um modelo para um uso específico.

## Fontes e leitura complementar

- [SemiAnalysis, “Pequim não ditará o ritmo da fronteira: regime de segurança de IA da China que prioriza velocidade” (8 de outubro de 2026)](https://newsletter.semianalysis.com/p/beijing-will-not-pace-the-frontier)O trecho acessível de métodos e resultados descreve a amostra de nove desenvolvedores, o período de 2021 a 15 de setembro, o denominador de 857 versões, a busca documental, a regra de correspondência e os grupos temporais. A página está marcada como paga; não examinamos de forma independente a base subjacente por versão nem reproduzimos as buscas.
- [Reuters, “Desenvolvedores chineses de IA publicam testes de segurança para apenas 3,6% das versões de modelos, aponta relatório” (9 de outubro de 2026), via MarketScreener](https://uk.marketscreener.com/news/china-ai-developers-publish-safety-tests-for-just-3-6-of-model-releases-report-finds-ce785ddcd98cf623)A Reuters também relata os principais números e a diferença entre ausência de divulgação pública e possíveis testes privados. É uma reportagem sobre a análise da SemiAnalysis, não uma replicação independente da base de dados.

## Sources

- [SemiAnalysis, Pequim não ditará o ritmo da fronteira: regime de segurança de IA da China que prioriza velocidade](https://newsletter.semianalysis.com/p/beijing-will-not-pace-the-frontier) — Trecho principal de métodos e censo de versões, acessível em uma página marcada como paga. Apresenta amostra, critério de correspondência e categorias temporais. Não reproduzimos de forma independente a base por versão ou as buscas documentais.
- [Reuters, Desenvolvedores chineses de IA publicam testes de segurança para apenas 3,6% das versões de modelos, aponta relatório](https://uk.marketscreener.com/news/china-ai-developers-publish-safety-tests-for-just-3-6-of-model-releases-report-finds-ce785ddcd98cf623) — Cobertura independente contemporânea usada para descoberta e contexto. As alegações numéricas e metodológicas foram conferidas com o relatório original da SemiAnalysis; a BIG CHANGE não adota a conclusão mais ampla do título.