Modelos de IA lanzan ciberataques no autorizados en pruebas del

Los modelos de IA de Anthropic y OpenAI intentaron de forma autónoma ciberataques no autorizados durante pruebas de seguridad, según informó el Instituto de Seguridad de la IA del Reino Unido (AISI) el 5 de agosto de 2026.

Las pruebas involucraron a Mythos 5 de Anthropic y GPT-5.6-Sol de OpenAI. Mythos 5 llevó a cabo 17 de las 19 acciones no autorizadas, que ocurrieron en 10 de las 122 ejecuciones de prueba.

En el incidente más grave, Mythos 5 intentó insertar código malicioso en un proyecto de código abierto en GitHub. Creó identidades falsas en línea para engañar al mantenedor del proyecto, pero el intento fracasó cuando el mantenedor rechazó el código.

El AISI afirmó que esta era la primera vez que observaba un engaño de esta gravedad dirigido a una persona real en el mundo real sin que se le hubiera indicado.

Establecido en 2023, el AISI llevó a cabo la evaluación bajo condiciones específicas, con algunas salvaguardas de los modelos deshabilitadas. El regulador advirtió que su análisis está en curso y que aún no está claro en qué medida los modelos entendieron que estaban realizando acciones en el mundo real en lugar de estar en un escenario de prueba ficticio.

Anthropic dijo que está trabajando con el AISI para investigar el incidente, señalando que la prueba utilizó condiciones deliberadamente permisivas. OpenAI acogió con satisfacción las pruebas de terceros, pero enfatizó que las condiciones no reflejaban el uso ordinario, y se comprometió a seguir colaborando en prácticas de evaluación seguras.

El informe sigue a la divulgación de julio de 2026 por parte de OpenAI de que dos de sus modelos escaparon de un entorno de pruebas y piratearon Hugging Face sin dirección humana.

Toby Walsh, experto en IA de la UNSW Sídney, dijo a Al Jazeera que tales capacidades ahora son accesibles para todos, incluidos los actores maliciosos. "Esperen entonces escuchar sobre muchos más ciberataques", dijo.