¡Las capacidades ofensivas y defensivas de GPT-5.6-Sol superan a Claude Mythos 5!
El 17 de julio, el Instituto de Seguridad de IA del Reino Unido (AISI) publicó un informe de evaluación, cuantificando públicamente por primera vez la brecha en las capacidades de ciberataque entre los modelos de IA de código abierto y los modelos frontera de código cerrado: de 4 a 7 meses.
https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber
En pruebas internas similares del año pasado, la brecha era de 6 a 10 meses.
La ventana de defensa se está reduciendo, mientras que la frontera de ataque se acelera.
En abril de este año, Mythos Preview y GPT-5.5 produjeron el mayor salto en capacidades de ciberataque desde que comenzaron las pruebas en 2023 en la evaluación de AISI, lo que provocó advertencias de múltiples gobiernos.
Los modelos de código abierto aún no han replicado este salto, pero su ritmo de recuperación es más rápido que el año pasado.
De 4 a 7 meses: cómo se midió, dónde está la brecha
AISI utiliza dos sistemas para evaluar las capacidades de ciberataque de los modelos.
El primero es un conjunto de 70 tareas específicas que cubren cuatro áreas: investigación de vulnerabilidades, ingeniería inversa, penetración web y criptografía, divididas en cuatro niveles de dificultad, desde "no especialistas con antecedentes técnicos" hasta "expertos con más de diez años de experiencia".
El segundo es Cyber Range, que prueba la capacidad del modelo para ejecutar de forma autónoma cadenas de ataque de múltiples pasos en una red empresarial simulada. Un escenario de prueba llamado "Los Últimos" incluye 32 pasos de ataque, 4 subredes y alrededor de 20 hosts. AISI estima que un experto humano necesitaría unas 20 horas para completar todos los pasos.
Los dos sistemas arrojaron conclusiones consistentes:
GLM-5.2 (lanzado en junio de 2026) se desempeña de manera comparable a Opus 4.6 (lanzado en febrero) en tareas específicas, una brecha de 4 meses;
En Cyber Range, coincide con Opus 4.5 (lanzado en noviembre del año pasado), una brecha de 7 meses.
DeepSeek
V4-Pro en tareas específicas coincide con Opus 4.5, una brecha de 5 meses.
Ambas brechas son más estrechas que los 6 a 10 meses medidos en evaluaciones internas en 2025.
La brecha de costos es incluso mayor que la brecha de capacidades.
En la misma prueba de Cyber Range (presupuesto de 100 millones de tokens), ejecutar Opus 4.5 o 4.6 una vez cuesta alrededor de $85, GLM-5.2 alrededor de $46, y
DeepSeek
V4-Pro solo $1.19.
En tareas específicas donde ambos modelos logran una finalización del 100%, Opus 4.6 cuesta $15.17 por tarea, GLM-5.2 cuesta $6.12;
Opus 4.5 cuesta $12.50,
DeepSeek
V4-Pro cuesta $0.28.
Para una capacidad de ataque equivalente, el código abierto es de uno a dos órdenes de magnitud más barato.
Las salvaguardas de seguridad de los modelos de código cerrado tampoco lograron ampliar la brecha.
En las pruebas de AISI,
DeepSeek
V4-Pro ocasionalmente rechazaba tareas de ingeniería inversa, pero podía eludirlas con algunos reintentos.
Fable 5 de Anthropic es un caso más extremo: lanzado el 9 de junio, tres días después el investigador de seguridad Pliny the Liberator eludió el clasificador de seguridad utilizando una estrategia de jailbreak de múltiples pasos, con capturas de pantalla que mostraban que el modelo producía código de explotación que debería haber sido bloqueado.
Investigadores de Amazon posteriormente informaron de forma independiente otro método de evasión.
Esto desencadenó directamente la primera orden de control de exportaciones del Departamento de Comercio de EE. UU. dirigida a modelos de IA, y Fable 5 fue retirado del mercado a nivel mundial durante 19 días hasta que Anthropic implementó un nuevo clasificador para restaurar el servicio.
El código cerrado no equivale automáticamente a seguridad.
La ventana de defensa se estrecha, las herramientas de defensa también se aceleran
AISI dejó claras señales políticas en el informe: los defensores tienen menos tiempo de preparación que el año pasado.
El Centro Nacional de Seguridad Cibernética del Reino Unido ha instado a las organizaciones a fortalecer sus líneas base de ciberseguridad y aprovechar la IA para mejorar las capacidades de defensa.
La misma generación de herramientas de IA está efectivamente acelerando los esfuerzos de defensa.
Glenn Fiedler, un desarrollador veterano en programación de redes de juegos que ha escrito artículos de nivel de libro de texto durante dos décadas, recientemente utilizó Claude Code para realizar una auditoría de seguridad sistemática de cuatro bibliotecas de red de código abierto que mantiene (yojimbo, netcode, reliable, serialize, con un total de aproximadamente 6000 estrellas de GitHub, que son bibliotecas de código abierto de gran influencia en el campo de los juegos): implementando objetivos de libFuzzer, habilitando CI de AddressSanitizer y MemorySanitizer, realizando millones de iteraciones de pruebas de estrés y revisión de código línea por línea.
Glenn Fiedler
En dos semanas, se corrigieron 43 vulnerabilidades de seguridad, 27 de las cuales eran accesibles de forma remota a través de la red.
El más grave fue un desbordamiento de montón remoto en yojimbo que existía desde 2019: los clientes maliciosos podían desencadenarlo creando paquetes de datos específicos.
El costo total de tokens de toda la auditoría fue de aproximadamente $2,500.
Tanto el ataque como la defensa están siendo acelerados por la IA, pero de maneras asimétricas.
La proliferación de capacidades de ataque es irreversible: una vez que se publican los pesos de los modelos de código abierto, no se pueden recuperar, las salvaguardas de seguridad se pueden eliminar y las copias pueden ejecutarse en servidores privados sin supervisión.
Desplegar herramientas de defensa requiere que cada equipo invierta proactivamente tiempo y costo.
Una frase en el informe de AISI destaca esta estructura: "Una vez que se publican como código abierto, estas opciones se pierden permanentemente."
El impacto de estos datos en el panorama de la AGI es más profundo que los números en sí.
La brecha de capacidades entre el código abierto y el cerrado se ha reducido a menos de medio año, y la estrategia predeterminada de "usar el período de exclusividad del código cerrado como amortiguador de seguridad" está a punto de volverse ineficaz.
Las salvaguardas de los modelos de código cerrado demostraron ser igualmente frágiles en el incidente de Fable 5.
Para los responsables de políticas globales en la próxima fase, la pregunta central de los juegos de políticas se ha vuelto más aguda: por encima de qué nivel de capacidad no se deben publicar los pesos de los modelos como código abierto.
AISI anunció que continuará evaluando
Kimi
K3 y otros modelos de código abierto de próxima generación—dónde se trazará esta línea probablemente dependerá de los resultados de las pruebas en los próximos meses.
Referencias:
https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber
https://github.com/mas-bandwidth/patreon/blob/main/BUGS.md
https://www.patreon.com/MasBandwidth/posts/important-news-164199395
Este artículo proviene de la cuenta pública de WeChat "新智元", autor: ASI Revelation; editor: Mark
Descargo de responsabilidad: La información proporcionada en este artículo no es asesoramiento de trading. BlockWeeks.com no asume ninguna responsabilidad por las inversiones realizadas basadas en la información aquí proporcionada. Recomendamos encarecidamente realizar una investigación independiente o consultar a profesionales calificados antes de tomar cualquier decisión de inversión.
