El agente de Lyrie batió CyberGym con un 99,2 % de aciertos: reprodujo 1.495 de 1.507 vulnerabilidades reales con pruebas de concepto ejecutables, en un solo intento por caso. El resultado lleva fecha del 15 de septiembre y quedó contrastado con la tabla pública el 23 de octubre. Una empresa pequeña con sede en Dubái aparece así por encima de las marcas registradas de Huawei Cloud, Anthropic, Google y OpenAI en el nivel 1 de la prueba creada por investigadores de la Universidad de California en Berkeley.
Lyrie AI anunció la marca el 24 de octubre desde Dubái. Reproducir una vulnerabilidad no es señalarla en una lista: es construir el archivo o la entrada que la dispara de verdad, con el código sin parchear, y comprobar que el fallo ocurre. Esa diferencia separa a esta prueba de los escáneres que entregan avisos por miles y dejan al equipo humano la tarea de confirmar cuáles importan.
Qué mide CyberGym y por qué el 99,2 % pesa
CyberGym reúne 1.507 vulnerabilidades tomadas de 188 proyectos reales de programa. En el nivel 1, el agente recibe la descripción de cada fallo y el código previo al parche, con un único intento por caso. Si la prueba de concepto activa el error en la versión vulnerable y deja de funcionar con el parche aplicado, el caso cuenta como resuelto.
El método de Lyrie combina entradas generadas por inteligencia artificial con fuzzing, la técnica que bombardea un programa con datos inesperados para provocar comportamientos anómalos. Un bucle generador ajusta cada intento con la retroalimentación de la ejecución y verifica que el resultado final dispare el fallo antes de darlo por bueno. El informe técnico publicado por la empresa da cuenta de los 1.495 casos resueltos, uno por uno.
Trabajar a esa velocidad cambia el reparto de tareas en un equipo de seguridad. Confirmar a mano 1.500 fallos conocidos tomaría semanas de trabajo de especialistas; un agente que los reproduce en serie deja a las personas la parte que exige criterio: decidir qué se corrige primero, con qué urgencia y con qué riesgo para el servicio que sigue operando.
Una firma de Dubái por delante de los laboratorios grandes
La tabla pública ordena el resto de marcas conocidas muy por debajo. Huawei Cloud figura con 95,4 %, xAI con 91,3 % y Anthropic con 91,0 %. Google registra 86,3 %, OpenAI 85,6 %, Tencent 84,8 % y Meta 59,0 %. Ninguna entrada listada supera el 99,2 % del agente de Lyrie en su categoría.
«Reproducir una vulnerabilidad real con una prueba de concepto funcional es la evidencia más exigente que puede dar un agente autónomo de seguridad», afirmó Guy Sheetrit, fundador y director ejecutivo de Lyrie AI. El ejecutivo vinculó la marca con razonamiento y ejecución a velocidad de máquina, los dos ingredientes que su plataforma comercial traslada a pruebas autorizadas y corrección de fallos.
Esa plataforma tiene dos piezas con nombre propio. OMEGA realiza pruebas de penetración autónomas: mapea superficies de ataque, descubre rutas de entrada, prueba formas de explotación y encadena vulnerabilidades. Lyrie Remedy trabaja en la otra orilla, porque analiza los hallazgos, genera parches dirigidos, los aplica y verifica el resultado conservando los archivos originales. La oferta se completa con defensa de aplicaciones web, protección de equipos y seguridad para infraestructuras de agentes de inteligencia artificial.
La letra pequeña del récord: categorías y envíos sin reverificación
La propia empresa publica las salvedades y conviene leerlas completas. La marca vale dentro de las entradas de agentes en un solo intento del nivel 1; las entradas centradas en modelos forman una categoría aparte. Los resultados los evalúan y los envían los propios equipos, las corridas tienen componente aleatorio y las diferencias modestas entre puntuaciones pueden no reflejar brechas reales de capacidad. La nota de Lyrie añade que este resultado no demuestra el rendimiento de sus productos comerciales de protección.
El análisis de SiliconNoon sobre CyberGym aporta el contraste externo. Al momento de su revisión, la tabla del nivel 1 reunía 82 filas: 49 centradas en modelos y 33 en agentes. En la categoría de modelos, la marca alta era 88,9 % para XekRung-1.5-27B-Preview, de Alibaba Security. El mismo análisis recuerda que cada puntuación mezcla modelo y andamiaje, el programa que lo guía, y que el proyecto no vuelve a ejecutar los envíos para comprobarlos.
Para los equipos que defienden redes en América Latina, la lectura práctica no depende de quién ocupe el primer puesto. Una capacidad de reproducción de fallos a esta escala acorta dos relojes a la vez: el de quien verifica parches en pruebas autorizadas y el de quien busca entradas en sistemas ajenos. Los fallos de CyberGym son conocidos y tienen parche; el riesgo vive en los sistemas que tardan meses en aplicarlos.
Lyrie AI, construida por OTT Cybersecurity LLC, busca ahora firmas de capital de riesgo, socios tecnológicos empresariales y posibles compradores para escalar la entrega de su producto. La tabla pública de CyberGym queda abierta a nuevos envíos: el próximo movimiento de Huawei Cloud, Anthropic o Google en esa lista dirá si el 99,2 % era techo o solo una marca temprana.
Fuente: Lyrie AI vía OHSEM
Foto: Lyrie AI
Descubre más desde Tecnología Geek
Suscríbete y recibe las últimas entradas en tu correo electrónico.
