San Francisco (California), 20 de octubre de 2026, Chainwire
Tras constatar que casi todos los métodos de huella digital analizados podían ser burlados, incluido el propio de Sentient, el nuevo Fingerprinting Leaderboard pondrá a prueba de forma abierta qué técnicas resisten realmente copias, ajuste fino, destilación y ataques.
Entrenar modelos de IA puede costar millones de dólares, pero una vez que se copian, se afinan o se destilan en otro modelo, demostrar de dónde proceden se vuelve sorprendentemente difícil.
Investigadores de Sentient han analizado recientemente diez técnicas propuestas para resolver este problema y han concluido que casi todas pueden ser eludidas por un atacante lo bastante sofisticado sin sacrificar la utilidad del modelo. Entre ellas figuraba el propio sistema de huella digital de Sentient.
Ahora, Sentient Foundation lanza Fingerprinting Leaderboard, un benchmark abierto diseñado para medir qué enfoques funcionan de verdad, cuánto afectan al rendimiento y, en última instancia, si sus huellas sobreviven a los intentos de eliminarlas.
El problema gana peso a medida que se publican modelos de IA cada vez más potentes, que luego se afinan, se destilan y se reempaquetan. Los pesos pueden copiarse y los metadatos perderse, dejando a los desarrolladores con muy pocas vías fiables para demostrar que otro modelo deriva de su trabajo.
La huella digital propone un enfoque distinto: incrustar la prueba de origen dentro del propio modelo.
“Los modelos de IA se están convirtiendo en algunos de los activos de propiedad intelectual más valiosos del mundo, pero una vez que se copian o se destilan, demostrar su titularidad resulta increíblemente complicado”, afirma Sachi Kamiya, directora de Venture and Growth en Sentient Foundation. “La huella digital sitúa la prueba dentro del modelo. Es el equivalente en IA a las marcas ocultas que utilizaban los pintores renacentistas para acreditar la autoría”.
Una firma oculta dentro del modelo
Desarrollada por investigadores de Sentient Labs y otros equipos del sector, la huella digital de modelos agrupa técnicas que crean, detectan o verifican señales distintivas asociadas a un modelo, lo que permite comprobar más tarde su identidad o linaje.
El enfoque de Sentient consiste en incrustar firmas de comportamiento ocultas durante el entrenamiento. Después, al propietario solo le hace falta acceso por API a un modelo sospechoso de ser derivado. Enviando indicaciones de desafío secretas y comprobando sus respuestas, puede determinar si aún permanecen rastros del modelo original.
En términos sencillos, el modelo transporta pruebas de su procedencia.
“La marca es una firma de comportamiento codificada durante el entrenamiento y verificada posteriormente mediante prompts de desafío que revelan si un modelo sospechoso sigue arrastrando trazas del original”, explica Eduardo Contente, investigador de IA en Sentient Labs.
Esto crea algo de lo que históricamente carecía la IA: una procedencia del modelo verificable a partir del propio modelo, sin depender exclusivamente de registros, metadatos o investigaciones externas.
24.576 huellas en un solo modelo
El equipo de Sentient ya ha demostrado que la huella digital puede escalar muy por encima de los enfoques previos.
Su método Perinucleus, presentado en NeurIPS 2025, logró incrustar 24.576 huellas digitales en Llama-3.1-8B con una pérdida mínima de utilidad, con muchas de ellas sobreviviendo a posteriores procesos de ajuste fino.
Esa escala es clave. Cuantas más huellas, mayor confianza estadística, más oportunidades de verificar el origen y más resiliencia a medida que los modelos se copian o distribuyen.
Pero la escala solo resuelve la mitad del problema. La cuestión realmente difícil es si esas huellas pueden sobrevivir a alguien que intenta activamente borrarlas.
Sentient intentó romper las huellas, incluidas las suyas
Las investigaciones más recientes de Sentient Labs muestran que muchos métodos actuales de huella digital y watermarking siguen siendo vulnerables frente a un atacante sofisticado.
En un trabajo presentado en SaTML 2026, investigadores de Sentient diseñaron ataques adaptativos contra diez esquemas de huella digital recientemente propuestos y observaron que casi todos podían ser burlados por un adversario lo bastante avanzado sin deteriorar la utilidad del modelo.
Eso incluye el propio método Perinucleus de Sentient.
En lugar de ocultar estas debilidades, Sentient las ha hecho públicas.
El Fingerprinting Leaderboard convierte este proceso adversarial en un benchmark abierto. Su primera versión evalúa hasta qué punto distintas técnicas logran incrustar huellas sin degradar el rendimiento. Una próxima actualización incorporará pruebas de robustez adversarial, midiendo cómo resisten esas huellas a intentos deliberados de eliminarlas o esquivarlas.
El objetivo es claro: una huella no debe limitarse a superar un benchmark académico. Debe resistir a alguien que se proponga destruirla.
Un banco de pruebas abierto para la comunidad investigadora
Junto al índice, Sentient publica mlprints, una biblioteca de código abierto que unifica técnicas de huella digital y ataques en un marco común de evaluación.
Los investigadores pueden implementar nuevos esquemas, desarrollar ataques, reproducir resultados existentes y comparar enfoques bajo condiciones homogéneas, a medida que el campo avanza.
El Fingerprinting Leaderboard está pensado para evolucionar con la comunidad científica, convirtiendo la huella digital de modelos en un entorno de pruebas abierto donde las afirmaciones sobre robustez puedan verificarse de forma independiente, en lugar de aceptarse sin contraste.
Modelos abiertos sin renunciar a la propiedad
La huella digital podría ayudar a resolver uno de los grandes dilemas de la IA de código abierto.
Hoy, los desarrolladores suelen enfrentarse a una disyuntiva: mantener cerrados los pesos y preservar el control, o liberarlos y perder visibilidad sobre cómo se copian y reutilizan.
La huella digital abre una tercera vía.
En lugar de impedir las copias, genera pruebas de origen una vez que se producen. Esas evidencias podrían, con el tiempo, respaldar sistemas de atribución, aplicación de licencias, garantías económicas y otros mecanismos basados en una procedencia de modelos verificable.
Al hacer verificable la procedencia de los modelos, la investigación de Sentient en huellas digitales y su Fingerprinting Leaderboard aspiran a impulsar un ecosistema de IA abierta en el que los modelos puedan compartirse y mejorarse sin que sus creadores renuncien automáticamente a la capacidad de demostrar de dónde procede la tecnología.
El objetivo a más largo plazo es aún más ambicioso: una huella tan intrínsecamente ligada a las capacidades del modelo que eliminarla implique dañar también el modelo.
Propiedad intelectual demostrable. Conozca su modelo.
Más información: https://fingerprint.sentient.foundation
Sobre Sentient Foundation
Sentient Foundation es una organización sin ánimo de lucro dedicada a garantizar que la Inteligencia Artificial General (AGI) siga siendo de código abierto y esté alineada con los intereses de la humanidad. Con la neutralidad y la transparencia como pilares, la Fundación impulsa la adopción global de AGI abierta, promueve estándares de alineamiento y seguridad, distribuye subvenciones a desarrolladores de todo el mundo y coordina marcos de gobernanza para un desarrollo responsable de la IA. Para consultas de prensa, contactar en: [email protected]
Sitio web: https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
Sobre Sentient Labs
Sentient Labs es la organización de investigación técnica y desarrollo de producto de Sentient Foundation.
A la vanguardia de la investigación aplicada en razonamiento, alineamiento y coordinación multiagente, el laboratorio desarrolla frameworks y modelos de código abierto —entre otros, ROMA, OML y Arena— que demuestran el potencial de la inteligencia artificial impulsada por la comunidad. Esto incluye habilitar la monetización de herramientas open source, elevar la calidad y utilidad del ecosistema de IA abierta mediante la coordinación entre actores, y proporcionar la distribución necesaria para que el código abierto se convierta en el estándar por defecto en IA.
Sitio web: https://sentient.xyz
LinkedIn: https://www.linkedin.com/company/sentientagi
Contacto
Sachi Kamiya
Sentient Foundation
[email protected]