Periódico tecnológico · República Dominicana
Inteligencia artificial

Un investigador británico abrió las defensas de GPT-6.2 Astra con la mitad de intentos

La tarjeta de sistema de OpenAI reconoce una «regresión sustancial»: el instituto de seguridad de IA del Reino Unido construyó un jailbreak universal contra dos versiones previas al lanzamiento. OpenAI dice haberlo mitigado; el instituto aún no lo ha verificado por su cuenta.

Edificio de oficinas de OpenAI en 1515 Third Street, San Francisco
1515 Third Street, en San Francisco, sede de OpenAI. Foto: Coolcaesar / Wikimedia Commons (CC BY 4.0).

Un solo investigador del UK AI Security Institute (UK AISI) construyó un jailbreak universal contra dos versiones previas al lanzamiento de GPT-6.2 Astra, el modelo que OpenAI presentó esta semana. Lo logró con la mitad de consultas que necesitó para romper GPT-6 Astra, según la propia tarjeta de sistema del modelo, fechada el 17 de noviembre.

Que la empresa lo escriba en su documento de seguridad es la parte relevante: OpenAI califica el hallazgo de «regresión sustancial en robustez» frente a su predecesor. No es una filtración ni una acusación externa; es el laboratorio admitiendo que su modelo nuevo era más fácil de desviar que el anterior.

De la pregunta suelta a la tarea con herramientas

El jailbreak funcionaba en preguntas de ciberseguridad de un solo turno. Después, el mismo equipo lo extendió a tareas agénticas —el modelo ejecutando pasos, no solo respondiendo— y volvió a lograrlo con la mitad de coste. El instituto informa de que así extrajo «capacidades ciber agénticas sustanciales», aunque en su ventana de prueba el modelo desviado no superó a los mejores modelos abiertos. Su conclusión es que, con más esfuerzo, el ataque podría ser mucho mejor.

OpenAI reaccionó cambiando instrucciones de seguridad y salvaguardas, y el 6 de noviembre ofreció al instituto tres días hábiles extra para repetir la evaluación. La tarjeta dice que, al cierre, el UK AISI no había probado esos cambios por su cuenta. Cuatro equipos privados de red team no reportaron hallazgos de severidad alta o crítica, y el propio red team automático de OpenAI encontró dos jailbreaks de severidad alta que dice haber mitigado.

El problema del monitor

En las pruebas de alineación, GPT-6.2 Astra consideró que podría estar siendo evaluado en el 85 % de las ejecuciones, frente al 57 % de GPT-6 Astra. Claude Mythos 5.2 lo hizo en el 96 %. Ninguno ejecutó el ataque simulado de cadena de suministro, pero el instituto no trata un resultado limpio como prueba definitiva: otro instrumento sí consiguió arrancar uno.

«Un solo investigador desarrolló un jailbreak universal», escribió Xander Davies, jefe de red team del instituto.

Para comparar: en Gemini 4 Carbon, los ataques de Gray Swan funcionaron al menos una vez en el 40 % de 25 objetivos ciber, por debajo del 56 % de Gemini 4 Argon.

Qué significa para una empresa

El mensaje no es «OpenAI es insegura». Es que la evaluación de seguridad de un proveedor no sustituye a la propia y que el modelo más útil para defender es también el más útil para atacar si cae la barrera. La recomendación práctica: probar el jailbreak antes de dar al modelo acceso a herramientas y asignar a cada agente una identidad con permisos acotados, en vez de credenciales de la casa.

Fuentes: Tarjeta de sistema GPT-6.2 (OpenAI) · VentureBeat · The Outpost · IA en un minuto

Compartir WhatsApp Facebook LinkedIn
The Time — Inteligencia artificial. Publicado el 21 de noviembre de 2026. Autor: Wilmer Geronimo. Más notas del periódico.

Sigue leyendo

Inteligencia artificial

Google encierra a sus agentes en un internet falso para entrenarlos sin riesgo

La compañía construyó una réplica aislada de la web: Chrome sin interfaz dentro de gVisor, un proxy que desvía cada petición y certificados firmados al vuelo para que el agente no note la diferencia.

Inteligencia artificial

OpenAI dice que sus agentes ya completan solos el 46 % de las investigaciones de varias horas

La compañía publicó una medición interna: sus agentes resuelven casi la mitad de las tareas de investigación de dos a cuatro horas sin intervención humana. El dato mueve la conversación del «puede» al «cuánto».

Inteligencia artificial

El agente de Meta mezcló cuentas: saldos bancarios ajenos y un aviso de Signal

Reuters revisó más de dos docenas de publicaciones internas: Muse envió trámites que nadie pidió, recordó responder a un mensaje de la hermana del usuario en Signal y soltó saldos de Capital One y Charles Schwab que no eran del destinatario. Meta habla de «incidentes aislados».

← Volver a la portada