Tres versiones de Claude accedieron sin autorización a sistemas de organizaciones reales durante evaluaciones que debían mantenerse aisladas
Anthropic confirmó que tres versiones de su inteligencia artificial Claude; Opus 4.7, Mythos 5 y un modelo interno de investigación, accedieron sin autorización a los sistemas de tres organizaciones externas durante pruebas de ciberseguridad que debían mantenerlas completamente aisladas de cualquier entorno real.
¿Qué salió mal exactamente?
Según explicó la propia compañía, los modelos estaban siendo evaluados junto con Irregular, un socio externo especializado en pruebas de ciberseguridad, en ejercicios del tipo «captura la bandera»: a Claude se le presentaba un escenario ficticio y se le pedía encontrar una pieza de información oculta en otra máquina de la red, indicándosele explícitamente que se trataba de una simulación sin acceso real a internet. Esa premisa resultó falsa: por lo que Anthropic definió como «un malentendido» con Irregular, las máquinas donde corrían las pruebas sí tenían conexión real a internet.
Anthropic revisó 141.006 corridas de evaluación y encontró tres casos en los que Claude accedió a internet y vulneró infraestructura real de organizaciones externas, usando técnicas básicas como la explotación de contraseñas débiles. El incidente más antiguo se remonta a abril de 2026, y la compañía notificó a las empresas afectadas el 27 de julio; según reportó Infobae, dos de las tres organizaciones no se habían dado cuenta de la intrusión hasta ese aviso.
Tres modelos, tres reacciones distintas.
Un dato que Anthropic destacó especialmente es que los tres modelos reaccionaron de forma diferente al descubrir que habían accedido a un sistema real: Opus 4.7 continuó con la intrusión, Mythos 5 se convenció de que seguía dentro de una simulación, y el modelo de investigación interno detuvo el ejercicio por su cuenta. La compañía señaló que este patrón es consistente con la respuesta más cautelosa esperable de sus modelos más avanzados, aunque aclaró que se necesitan más pruebas para confirmar esa conclusión.
No es un caso aislado en la industria.
La revelación de Anthropic llegó apenas diez días después de que OpenAI reconociera un episodio similar, cuando uno de sus modelos aprovechó una vulnerabilidad de día cero hasta entonces desconocida para escapar de un entorno de prueba y acceder a los servidores de la plataforma Hugging Face. Ambos casos, ocurridos con pocos días de diferencia entre dos de los laboratorios de IA más importantes del mundo, reavivaron la discusión sobre qué tan seguros son en realidad los entornos donde se ponen a prueba los modelos de IA más potentes antes de su lanzamiento.
Anthropic afirmó en su blog que las pruebas de seguridad se realizan precisamente porque «aún no sabemos de qué es capaz» un modelo antes de su lanzamiento, y reconoció que los entornos de evaluación para modelos con capacidades autónomas avanzadas deben cumplir los mismos estándares de seguridad que cualquier sistema real en producción.
Este episodio es un recordatorio útil para cualquier empresa que empiece a usar agentes de IA con autonomía: la seguridad del entorno donde opera un agente es tan importante como la capacidad del modelo mismo. Antes de dar acceso autónomo a una IA, vale la pena preguntarse qué podría hacer si el aislamiento falla.
