⚡️ ACTUALIZACIÓN DE IA: Un punto de referencia de ciberseguridad que dejó perplejo a todos los modelos de IA hace un año acaba de romperse por completo y las implicaciones van en ambos sentidos.
CyberGym prueba algo específico: ¿puede un agente de IA leer una descripción de una vulnerabilidad y un código real, y luego generar código funcional de prueba de concepto que realmente active el fallo? No es un artículo sobre seguridad. Es seguridad.
El benchmark se basa en 1.507 vulnerabilidades históricas reales de 188 proyectos de software, sin ejemplos de juguete, sin casos de prueba simplificados.
Cuando los investigadores ejecutaron por primera vez este benchmark, incluso la mejor combinación de IA y agente disponible solo lograba superarlo aproximadamente el 20% de las veces. Los investigadores de seguridad lo vieron como un motivo de tranquilidad: la explotación autónoma aún estaba en gran medida fuera de alcance.
Esa tranquilidad ya no existe. Los modelos especializados más recientes ahora alcanzan tasas de éxito del 80% o más en el mismo benchmark, un salto de cuatro veces en aproximadamente un año.
Se vuelve más serio que el simple reconocimiento de patrones de fallos conocidos. En pruebas abiertas con cero conocimiento previo de qué está roto, estas mismas configuraciones de agentes han descubierto de forma independiente vulnerabilidades de día cero confirmadas, fallos de seguridad que nadie sabía que existían hasta que la IA los encontró.
Esa es la parte incómoda de esta gráfica. La capacidad exacta que permite que el agente de IA de un defensor encuentre y parchee un agujero antes que los atacantes es la misma que permite que el agente de IA de un atacante encuentre ese mismo agujero primero.
Ahora ataque y defensa compiten en una carrera sobre una infraestructura idéntica.
#AI #Cybersecurity #GPT5 #Claude #DeepSeek
CyberGym prueba algo específico: ¿puede un agente de IA leer una descripción de una vulnerabilidad y un código real, y luego generar código funcional de prueba de concepto que realmente active el fallo? No es un artículo sobre seguridad. Es seguridad.
El benchmark se basa en 1.507 vulnerabilidades históricas reales de 188 proyectos de software, sin ejemplos de juguete, sin casos de prueba simplificados.
Cuando los investigadores ejecutaron por primera vez este benchmark, incluso la mejor combinación de IA y agente disponible solo lograba superarlo aproximadamente el 20% de las veces. Los investigadores de seguridad lo vieron como un motivo de tranquilidad: la explotación autónoma aún estaba en gran medida fuera de alcance.
Esa tranquilidad ya no existe. Los modelos especializados más recientes ahora alcanzan tasas de éxito del 80% o más en el mismo benchmark, un salto de cuatro veces en aproximadamente un año.
Se vuelve más serio que el simple reconocimiento de patrones de fallos conocidos. En pruebas abiertas con cero conocimiento previo de qué está roto, estas mismas configuraciones de agentes han descubierto de forma independiente vulnerabilidades de día cero confirmadas, fallos de seguridad que nadie sabía que existían hasta que la IA los encontró.
Esa es la parte incómoda de esta gráfica. La capacidad exacta que permite que el agente de IA de un defensor encuentre y parchee un agujero antes que los atacantes es la misma que permite que el agente de IA de un atacante encuentre ese mismo agujero primero.
Ahora ataque y defensa compiten en una carrera sobre una infraestructura idéntica.
#AI #Cybersecurity #GPT5 #Claude #DeepSeek