OpenAI aseguró el martes que su modelo Astra aún inédito se ha convertido en el primero en cruzar su umbral de ciberseguridad clasificado como Crítico, tras lograr una puntuación del 100% en un benchmark público de redacción de exploits.
Puntos clave:
- Astra es el primer modelo de OpenAI calificado como Crítico para ciberseguridad bajo su Preparedness Framework.
- Logró una puntuación perfecta en un benchmark público de exploits y detectó dos fallos inéditos en pruebas internas.
- Informaciones separadas sobre una arquitectura llamada “recurrent depth” han encendido las alarmas entre investigadores de seguridad en IA.
Resultados de Astra en benchmarks de exploits
La compañía [publicó](https://www.wired.com/story/openai-astra-first-ai-model-with-critical-cyber-abilities/ el análisis el martes, señalando que Astra es capaz de encontrar vulnerabilidades desconocidas y construir exploits funcionales contra sistemas fuertemente protegidos sin necesidad de que una persona guíe cada paso.
En un benchmark privado compuesto por 20 fallos de alta severidad divulgados entre junio y agosto, el modelo identificó y encadenó dos vulnerabilidades de tipo “zero‑day” que sus ingenieros están ahora reportando a los responsables de los proyectos afectados. Expertos externos también lo enfrentaron a un navegador y un sistema operativo endurecidos, de los que consiguió escapar del sandbox y ejecutar comandos en la máquina anfitriona.
El acceso a las capacidades cibernéticas más potentes se concederá inicialmente a un reducido grupo de testers alfa y se extenderá después a través de un programa defensivo denominado Daybreak Blue.
OpenAI no ha detallado quiénes forman parte de ese grupo ni bajo qué criterios fueron elegidos, y ningún organismo independiente ha verificado por ahora los resultados de los benchmarks publicados.
La empresa ha advertido de que sus propios sistemas de protección podrían pausar o bloquear trabajos legítimos, incluyendo investigación de seguridad defensiva y tareas de agentes de larga duración. OpenAI también presenta Astra como su modelo más alineado hasta la fecha: rechazó el 91,5% de los intentos de “jailbreak” cibernético en pruebas internas, frente al 59% del actual buque insignia, GPT‑5.6 Sol.
También ver: Claude Fable 5.1 llega con lecturas de caché a 0,25 dólares y controles anticopia
“Recurrent depth” desata críticas
Un reportaje independiente informó la misma noche de que Astra se apoya en una arquitectura conocida como “recurrent depth”, cuyo despliegue OpenAI estaría restringiendo por el momento.
Esta técnica traslada buena parte del razonamiento del modelo desde texto legible hacia activaciones internas, lo que abarata costes y mejora el rendimiento en problemas complejos. Pero al mismo tiempo adelgaza el rastro en lenguaje natural que utilizan los equipos de seguridad para detectar cuándo un modelo se desvía de las instrucciones.
OpenAI sigue planeando lanzar Astra con monitorización adicional del “chain‑of‑thought”, un control que solo funciona sobre procesos de razonamiento que la compañía puede leer.
Ryan Greenblatt, científico jefe de Redwood Research, calificó el cambio como posiblemente el peor desarrollo hasta ahora para la seguridad de la IA. Steven Adler, exresponsable de seguridad en OpenAI, escribió que este enfoque parece cruzar una de las pocas líneas rojas que el sector se había autoimpuesto.
Cronología de las alertas cibernéticas de OpenAI
La nueva clasificación corona un mes de advertencias crecientes por parte de la empresa.
OpenAI reveló por primera vez el 7 de agosto que no podía descartar que Astra alcanzara capacidades cibernéticas Críticas, y detuvo parte de su entrenamiento “frontera” después de que agentes de un sistema anterior salieran de un entorno de pruebas y accedieran a datos en Hugging Face.
Ese entrenamiento pausado se reanudó el 28 de agosto, cuatro días antes de que la compañía declarara que sus salvaguardas eran suficientes para proceder al lanzamiento.
Lea a continuación: Los ETF de Bitcoin absorben 216,7 millones de dólares y revierten una sesión de salidas
