Claude Mythos supuestamente encontró una vulnerabilidad, pero ya estaba en sus datos de entrenamiento
Anthropic presumió de que Claude Mythos supuestamente había descubierto y explotado «el primer exploit remoto del kernel encontrado por una IA». Suena impresionante. Pero los investigadores lo comprobaron y hallaron un problema: era un bug CVE de hace 20 años que ya estaba en los datos de entrenamiento del modelo. La historia plantea dudas sobre cómo presentan las empresas de IA sus logros en ciberseguridad.
Procesado por IA desde Habr AI; editado por Hamidun News
Anthropic armó revuelo en la prensa al anunciar que su último modelo, Claude Mythos, había descubierto y explotado «el primer exploit remoto del kernel descubierto y aplicado por una IA». La llamativa afirmación se propagó rápidamente por los medios. Pero cuando los investigadores analizaron los detalles, encontraron un problema: el modelo simplemente recordó una vulnerabilidad de sus datos de entrenamiento. Era un bug de hace 20 años que los especialistas conocían desde hacía tiempo.
Qué anunció Anthropic
En medio del creciente interés por las capacidades de los modelos de lenguaje avanzados en ciberseguridad, Anthropic afirmó que, durante las pruebas, Claude Mythos identificó de forma autónoma un CVE (Common Vulnerabilities and Exposures), una vulnerabilidad en el kernel del sistema que en teoría puede usarse para ejecutar código de forma remota. Según la empresa, era un ejemplo impresionante de cómo una IA de vanguardia puede encontrar amenazas reales que las personas podrían pasar por alto. La historia sonó como un auténtico avance en la automatización de la ciberseguridad y desató una ola de debates sobre cuándo empezará la IA a encontrar vulnerabilidades por sí sola.
Qué descubrieron los investigadores al comprobarlo
Un grupo de investigadores que analizó la descripción del suceso llegó a una conclusión incómoda. El bug en cuestión es una vulnerabilidad conocida desde hace tiempo, que ya estaba en acceso abierto y probablemente se incluyó en los datos de entrenamiento de Mythos. Es decir, el modelo no hizo ningún descubrimiento independiente: solo recordó información que había visto durante el entrenamiento. Es como presumir de que un alumno descubrió por sí solo el teorema de Pitágoras cuando solo reprodujo la fórmula de un libro de texto.
La historia plantea varias preguntas críticas:
- El límite entre memorización y descubrimiento: ¿cómo distinguir lo que el modelo memorizó de lo que realmente descubrió de forma independiente?
- Falta de verificación independiente: ¿cómo asegurarse de que las afirmaciones grandilocuentes sobre logros de la IA no estén exageradas?
- Falta de transparencia: ¿por qué las empresas no revelan todos los detalles de su metodología para que se pueda verificar de forma independiente?
Qué significa para la industria
La historia ilustra un problema fundamental: cuando un modelo vio los datos durante el entrenamiento, su nuevo «descubrimiento» de esos datos es simple recuerdo, no un descubrimiento genuino. A medida que la IA se convierte en herramienta para áreas críticas como la seguridad, el sector debe desarrollar estándares más estrictos para evaluar resultados. Las afirmaciones rimbombantes sin metodología transparente ni verificación independiente solo minan la confianza en la industria y generan expectativas poco realistas sobre las capacidades de los modelos actuales.
- 12 nov 2026Jensen Huang deja el cargo de CEO de Nvidia: la empresa pierde 1,4 billones de dólares en dos semanas
- 12 nov 2026Claude in Chrome exige autorizar cada clic en los sitios de categoría 3
- 12 nov 2026AWS Quick incorpora seis agentes para product managers: de las quejas de los clientes a la especificación
- 12 nov 2026Anthropic cierra Claude desde el 12 de noviembre a las empresas de Rusia, incluso con entidad jurídica en el extranjero
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué anunció Anthropic?
En medio del creciente interés por las capacidades de los modelos de lenguaje avanzados en ciberseguridad, Anthropic afirmó que, durante las pruebas, Claude Mythos identificó de forma autónoma un CVE (Common Vulnerabilities and Exposures), una vulnerabilidad en el kernel del sistema que en teoría puede usarse para ejecutar código de forma remota. Según la empresa, era un ejemplo impresionante de cómo una IA de vanguardia puede encontrar amenazas reales que las personas podrían pasar por alto.
¿Qué se sabe sobre Qué descubrieron los investigadores al comprobarlo?
Un grupo de investigadores que analizó la descripción del suceso llegó a una conclusión incómoda. El bug en cuestión es una vulnerabilidad conocida desde hace tiempo, que ya estaba en acceso abierto y probablemente se incluyó en los datos de entrenamiento de Mythos. Es decir, el modelo no hizo ningún descubrimiento independiente: solo recordó información que había visto durante el entrenamiento.
¿Qué se sabe sobre Qué significa para la industria?
La historia ilustra un problema fundamental: cuando un modelo vio los datos durante el entrenamiento, su nuevo «descubrimiento» de esos datos es simple recuerdo, no un descubrimiento genuino. A medida que la IA se convierte en herramienta para áreas críticas como la seguridad, el sector debe desarrollar estándares más estrictos para evaluar resultados.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.