noviembre 18, 2026

Tecnología Geek

Noticias diarias sobre tecnología, móviles, inteligencia artificial y gadgets en español. Reviews, lanzamientos y tendencias para Latinoamérica.

Ciberseguridad Industrial & Consumidor

Modelos de IA solo coinciden en una de 121 vulnerabilidades

Modelos de IA buscan vulnerabilidades en código abierto
Foto: Infosecurity Magazine

¿Tecnología Geek te ahorra tiempo? Agréganos como tu fuente preferida en Google y ve más noticias nuestras en tus resultados. Fuente preferida en Google

Los modelos de IA revisaron el mismo código abierto en busca de vulnerabilidades y solo coincidieron en un hallazgo de 121. El dato sale del estudio que Echo publicó este 18 de noviembre, con tres de los sistemas más potentes del sector puestos a cazar fallos bajo las mismas reglas.

Los examinados fueron Claude Mythos 5.1, de Anthropic; GPT-5.6 Sol, de OpenAI, con acceso por Daybreak, el programa de esa casa para equipos de seguridad verificados; y GLM-5.3, de la firma china Z.ai. Cada modelo corrió una vez sobre cada proyecto: dos bibliotecas Maven y un paquete npm con más de 350 millones de descargas mensuales. Nueve corridas en total, con el mismo marco de caza de Echo y el mismo proceso de validación para los tres.

El resultado desarma la idea de un campeón único. Las nueve corridas levantaron 446 hallazgos iniciales. Tras quitar repetidos, casos inalcanzables, comportamientos documentados y falsos positivos quedaron 121 problemas potenciales distintos. Cien los vio un solo modelo, veinte aparecieron en dos listas y uno solo estuvo en las tres. Ocho hallazgos habían sido marcados al inicio por los tres sistemas; de esos, solo uno sobrevivió al filtro.

Tres cazadores con mapas distintos del mismo código

Mythos 5.1 sumó la mayor cantidad de pases de validación, con 25, frente a nueve de GLM-5.3 y ocho de GPT-5.6 Sol, datos que Infosecurity Magazine recogió del informe. El reparto por proyecto rompe ese podio. GPT-5.6 Sol firmó seis de los siete pases en una de las bibliotecas Maven, y GLM-5.3 encontró seis problemas validados en la otra que sus dos rivales no vieron en absoluto.

El nombre de Mythos ya trae historia reciente en este terreno: el modelo de Anthropic obligó a Bank of America a movilizar 4.000 personas para corregir las fallas que destapó en programas bancarios. En la prueba de Echo su ventaja fue de volumen, no de cobertura completa. Lo que él dejó pasar en una biblioteca, el modelo chino lo cazó, y esa diferencia es justo la que un equipo de defensa no puede permitirse ignorar.

Ni la gravedad quedó clara entre ellos. Un fallo del paquete npm recibió tres lecturas distintas: GLM-5.3 lo marcó crítico, Mythos lo puso en alto y GPT-5.6 Sol lo trató como comportamiento documentado, sin contar como error. La validación automática lo dejó en nivel bajo. En conjunto, los modelos calificaron como altos o críticos el 45 por ciento de los 121 hallazgos; tras las pruebas, solo el 26 por ciento sostuvo ese nivel. El ruido también se mide: casi la mitad de las alarmas serias se desinfló al comprobarlas.

Yuval Saggie, investigador de seguridad de Echo, planteó que la carrera por coronar al mejor modelo parte de «la pregunta equivocada». Su razonamiento va al bolsillo de cualquier empresa que audita su programa con un solo sistema: si un atacante caza con un modelo y el defensor vigila con otro, el defensor puede no ver nunca la falla que el atacante está a punto de usar contra él.

El precio y el reloj tampoco cuentan la misma historia

GPT-5.6 Sol terminó sus cacerías en unos 24 minutos, frente a cerca de 198 minutos de Mythos y 174 de GLM-5.3. En dinero, las tres corridas de GLM-5.3 costaron unos US$22; las de GPT-5.6 Sol, US$30; y las de Mythos, US$303, con los precios de tokens vigentes el 1 de noviembre. El más barato encontró fallos validados que el más caro no vio, y el más rápido dominó una biblioteca mientras quedaba corto en el total. Ninguna de las tres virtudes vino en el mismo paquete.

Un detalle pesa sobre el resto. GLM-5.3 es un modelo de pesos abiertos, al alcance de cualquiera y con menos barreras de uso que sus rivales cerrados. Echo recordó que una investigación de la propia Anthropic lo había colocado cerca de Mythos en la capacidad de construir ataques. Esa accesibilidad tiene dos caras muy concretas: un equipo pequeño de defensa puede sumar su cobertura por US$22, y un grupo atacante puede correr la misma herramienta sin pedir permiso a nadie.

Las pruebas de concepto automáticas confirmaron en nivel alto 31 de los 55 hallazgos que los modelos habían calificado como altos o críticos. Echo coordina la divulgación responsable de lo encontrado y mantiene en reserva los nombres de los tres proyectos hasta avisar a sus mantenedores, las personas y equipos que sostienen ese código abierto. La propia firma declara los límites del ejercicio: cada modelo corrió una sola vez, la comparación es controlada y no una medición completa, y la validación automática no equivale a la confirmación de los mantenedores.

Eylam Milner, cofundador de Echo, advirtió que encontrar fallos se abarata a gran velocidad mientras corregirlos sigue costando trabajo humano, parche por parche. Para las empresas hispanas que montan sus servicios sobre bibliotecas abiertas, la cuenta práctica queda clara en una cifra: auditar con un solo modelo dejó fuera, en esta prueba, la mayor parte del mapa, porque 100 de los 121 hallazgos aparecieron en una única lista de las tres.

Fuente: Infosecurity Magazine

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