¿Tecnología Geek te ahorra tiempo? Agréganos como tu fuente preferida en Google y ve más noticias nuestras en tus resultados. Fuente preferida en Google
La destilación adversaria perdió casi todo su filo frente a GPT-6.2 Astra, que bajó los ataques exitosos contra su razonamiento protegido del 54 % al 0,2 % en las pruebas internas que OpenAI publicó el 20 de noviembre. La cifra compara dos generaciones: GPT-6 Astra, con sus protecciones originales, dejaba recuperar ese razonamiento en más de la mitad de los intentos; su sucesor lo permitió en dos de cada mil.
Destilación es una técnica común de aprendizaje automático: un modelo aprende de los datos que produce otro, de sus respuestas, de su razonamiento o de sus juicios sobre qué respuesta es mejor. El problema empieza cuando esa práctica se hace sin autorización. OpenAI llama destilación adversaria a usar las salidas de un modelo de frontera para entrenar otro con capacidades parecidas y desplegarlo sin protecciones comparables, de modo que el modelo copia pueda ayudar en tareas que el original se negaría a tocar.
El botín más buscado no es la respuesta final. Es el razonamiento protegido, los pasos intermedios que el modelo genera por dentro al trabajar hacia una respuesta, su cadena de pensamiento. Esas trazas guardan información que la respuesta final deja fuera, y por eso son datos de entrenamiento tan valiosos: quien las consigue a escala no copia frases, copia la manera de resolver.
Las trazas exactas enseñan más que los resúmenes
Un estudio interno de la propia empresa midió cuánta capacidad de ciberseguridad se transfiere en ese proceso. El equipo partió dos veces del mismo modelo estudiante ya preentrenado: una versión aprendió de trayectorias con resúmenes de razonamiento, el contenido que un usuario ve de forma normal, y la otra trabajó con las trazas exactas del modelo maestro, paso a paso. Tras el ajuste supervisado, el estudiante criado con trazas exactas rindió mejor en las pruebas de ciberseguridad y de código, y tras una ronda ligera de refuerzo siguió arriba con el mayor presupuesto de inferencia probado.
La lectura de OpenAI es directa: proteger las trazas de razonamiento limita la transferencia de capacidad ciber, incluso cuando la tarea de origen está permitida por sus propias normas de uso. Un modelo que ayuda a un defensor a buscar fallos en un programa le enseña también, paso a paso, a quien quiera explotarlos. Esa doble cara explica el empeño en blindar el razonamiento antes que la respuesta, y enlaza con un antecedente reciente del sector, la destilación de Claude que Anthropic documentó en su informe de amenazas del 7 de noviembre: dos laboratorios rivales describiendo el mismo robo con dos semanas de diferencia.
El blindaje nuevo trabaja petición a petición. El entrenamiento adversario enseña al modelo a reconocer los intentos de extracción y a negarse a revelar su razonamiento protegido, sin bloquear las explicaciones legítimas que pide un usuario normal. Los clasificadores de entrada detectan el intento antes de la respuesta, y los de salida revisan el mensaje final y los argumentos de las llamadas a herramientas, porque una traza puede escapar por esa vía sin aparecer en el texto visible. Las protecciones de la interfaz de programación cierran el resto: con GPT-6.2 Astra y GPT-6.2 Sol, el razonamiento protegido queda atado al historial de la conversación que lo produjo; si un mensaje anterior se reescribe, el sistema descarta el razonamiento que vino después, y las familias más viejas ya no pueden leer el razonamiento de los dos modelos nuevos.
Del 54 % al 0,2 % en la prueba adaptativa
La medición central salió de una evaluación adaptativa de caja negra: equipos rojos automatizados con la vista de un usuario externo, ajustando su ataque con cada respuesta del sistema, agregados sobre seis modelos atacantes. Recuperar el razonamiento de una petición anterior funcionó el 54,0 % de las veces contra GPT-6 Astra y el 0,2 % contra GPT-6.2 Astra. Sacarlo de la petición en curso bajó del 22,9 % al 0,9 %. La empresa ya aplica mejoras escogidas de ese paquete al propio GPT-6 Astra, y el matiz honesto es que son cifras medidas en casa, sin auditoría externa publicada: señal fuerte del avance, no certificado.
Otra capa mira las campañas completas, no la petición suelta. OpenAI contó varias campañas de destilación adversaria sin autorización sobre su plataforma este año, y sus acciones semanales contra esas redes oscilaron entre miles y decenas de miles de cuentas, con un ritmo que subió mucho en verano. Cada investigación alimenta las defensas con ejemplos reales de ataque, y los indicadores de compromiso se comparten con otros proveedores de modelos.
El caso tiene nombres propios. En febrero, OpenAI informó al Congreso de Estados Unidos de una actividad que indicaba que DeepSeek intentaba destilar modelos de frontera estadounidenses. En septiembre desbarató una campaña de extracción y atribuyó su núcleo a personas vinculadas a Moonshot AI, la creadora de Kimi. La compañía respalda tres proyectos de ley en ese terreno, la Chip Security Act, la AI OVERWATCH Act y la MATCH Act: los controles de exportación frenan el acceso al equipo físico para entrenar, y estas defensas frenan el atajo de copiar los ya entrenados.
Queda una pieza por ver, y la propia OpenAI la dejó anunciada el 20 de noviembre: compartirá pronto más datos sobre las campañas recientes que desbarató. Ese informe dirá cuánto volumen movían esas redes y si el 0,2 % del laboratorio se parece a lo que los atacantes logran fuera de él.
Fuente: OpenAI
La conversación sigue en el foro
Comenta esta noticia, pregunta lo que quieras y comparte tu experiencia con otros lectores en el foro de Tecnología Geek. Participar es gratis: solo necesitas tu cuenta del sitio.
Entrar al foro


















