San Francisco, California, 20 de octubre de 2026, Chainwire
Tras descubrir que se podían eludir casi todos los métodos de identificación mediante huellas digitales que probaron, incluido el propio de Sentient, los investigadores lanzan la nueva Tabla de clasificación de huellas digitales para evaluar abiertamente qué técnicas pueden resistir realmente la copia, el ajuste fino, la destilación y los ataques.
Entrenar modelos de IA puede costar millones de dólares, pero una vez que se copian, se ajustan o se destilan en otro modelo, demostrar de dónde proceden puede resultar sorprendentemente difícil.
Investigadores de Sentient probaron recientemente diez técnicas propuestas para resolver ese problema y descubrieron que un atacante suficientemente sofisticado podía eludir casi todas sin afectar la utilidad del modelo. Entre ellas estaba el propio método de identificación mediante huellas digitales de Sentient.
Ahora, la Fundación Sentient lanza la clasificación de huellas digitales, una prueba de referencia abierta diseñada para medir qué enfoques funcionan realmente, cuánto afectan al rendimiento del modelo y, en última instancia, si sus huellas pueden resistir los intentos de eliminarlas.
El problema cobra cada vez más importancia a medida que se publican, ajustan, destilan y redistribuyen modelos de IA más capaces. Los pesos de los modelos pueden copiarse y los metadatos pueden desaparecer, lo que deja a los desarrolladores con pocas formas fiables de demostrar que otro modelo se originó a partir de su trabajo.
Las huellas digitales ofrecen un enfoque distinto: incorporar la prueba del origen en el propio modelo.
«Los modelos de IA se están convirtiendo en una de las formas de propiedad intelectual más valiosas del mundo; sin embargo, una vez que se copia o destila un modelo, demostrar quién es su propietario resulta increíblemente difícil», afirmó Sachi Kamiya, directora de Inversiones y Crecimiento de la Fundación Sentient. «Las huellas digitales incorporan la prueba en el modelo. Es como el equivalente en IA de las marcas ocultas que usaban los pintores del Renacimiento para establecer la autoría».
Una firma oculta dentro del modelo
Desarrollada por investigadores de Sentient Labs y otros expertos del campo, la identificación de modelos mediante huellas digitales comprende técnicas que crean, detectan o verifican señales distintivas asociadas a un modelo, lo que permite comprobar posteriormente su identidad o linaje.
El método propio de Sentient incorpora firmas de comportamiento ocultas durante el entrenamiento. Más adelante, el propietario solo necesita acceso a la API de un modelo sospechoso de ser derivado. Al enviarle instrucciones de prueba secretas y comprobar sus respuestas, puede determinar si aún conserva rastros del modelo original.
En pocas palabras, el modelo lleva consigo pruebas de su origen.
«La marca es una firma de comportamiento codificada durante el entrenamiento y verificada posteriormente mediante instrucciones de prueba que revelan si un modelo sospechoso aún conserva rastros del original», afirmó Eduardo Contente, investigador de IA de Sentient Labs.
Esto aporta algo de lo que la IA históricamente ha carecido: una procedencia del modelo que puede verificarse a partir del propio modelo, en lugar de depender exclusivamente de registros, metadatos o investigaciones externas.
24.576 huellas digitales en un solo modelo
Los investigadores de Sentient ya han demostrado que las huellas digitales pueden ampliarse mucho más allá de los enfoques anteriores.
Su método Perinucleus, presentado en NeurIPS 2025, incorporó 24.576 huellas digitales en Llama-3.1-8B con una pérdida mínima de utilidad; muchas de ellas sobrevivieron a los ajustes posteriores.
Esa escala importa. Más huellas digitales significan mayor confianza estadística, más oportunidades de verificar la procedencia y mayor resistencia a medida que los modelos se copian o distribuyen.
Pero la escala es solo la mitad del problema. La pregunta más difícil es si esas huellas digitales pueden resistir los intentos deliberados de eliminarlas.
Sentient intentó destruir las huellas digitales, incluidas las propias
Las últimas investigaciones de Sentient Labs muestran que muchos métodos existentes de huellas digitales y marcas de agua siguen siendo vulnerables a atacantes sofisticados.
En una investigación presentada en SaTML 2026, los investigadores de Sentient desarrollaron ataques adaptativos contra diez métodos de huellas digitales propuestos recientemente y descubrieron que un adversario lo bastante sofisticado podía eludir casi todos ellos sin reducir la utilidad del modelo.
Esto incluía el método Perinucleus de Sentient.
En lugar de ocultar esas debilidades, Sentient las hizo públicas.
La clasificación de huellas digitales está diseñada para convertir ese proceso adversarial en una prueba de referencia abierta. Su primera versión evalúa la eficacia con la que distintas técnicas incorporan huellas digitales sin reducir el rendimiento del modelo. Una próxima versión añadirá pruebas de robustez frente a ataques, para evaluar hasta qué punto esas huellas resisten los intentos deliberados de eliminarlas o eludirlas.
El objetivo es sencillo: una huella digital no debería limitarse a superar una prueba de investigación. Debería resistir incluso los intentos deliberados de destruirla.
Abrir las pruebas a la comunidad investigadora
Junto con la clasificación, Sentient publica mlprints, una biblioteca de código abierto que reúne técnicas de huellas digitales y ataques en un marco de evaluación común.
Los investigadores pueden implementar nuevos métodos, desarrollar nuevos ataques, reproducir resultados existentes y comparar enfoques en condiciones comunes a medida que avanza el campo.
La clasificación de huellas digitales está diseñada para evolucionar junto con la comunidad investigadora y convertir la identificación de modelos mediante huellas digitales en un entorno de pruebas abierto, donde las afirmaciones sobre robustez puedan evaluarse de forma independiente, en lugar de simplemente aceptarse.
Modelos abiertos sin renunciar a la propiedad
Las huellas digitales podrían ayudar a resolver uno de los problemas más difíciles de la IA de código abierto.
Hoy, quienes desarrollan modelos suelen enfrentarse a una disyuntiva: mantener cerrados los pesos del modelo y conservar el control, o publicarlos abiertamente y perder visibilidad sobre cómo se copian y reutilizan.
Las huellas digitales ofrecen otra posibilidad.
En lugar de impedir la copia, permiten generar pruebas del origen de un modelo después de que se haya copiado. Con el tiempo, esas pruebas podrían respaldar la atribución, la aplicación de licencias, las garantías económicas y otros sistemas basados en una procedencia verificable de los modelos.
Al hacer verificable la procedencia de los modelos, la investigación de Sentient sobre huellas digitales y su clasificación buscan crear un ecosistema de IA abierto donde los modelos puedan compartirse y servir de base para nuevos desarrollos, sin que sus creadores renuncien automáticamente a la capacidad de demostrar el origen de la tecnología.
El objetivo a más largo plazo es aún más difícil: crear una huella digital tan profundamente ligada a las capacidades de un modelo que eliminarla también lo perjudique.
Propiedad intelectual demostrable. Conoce tu modelo.
Más información: https://fingerprint.sentient.foundation
Acerca de la Fundación Sentient
La Fundación Sentient 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 la humanidad. La neutralidad y la transparencia son principios fundamentales de su labor. La Fundación promueve la adopción mundial de la AGI de código abierto, defiende estándares de alineación y seguridad, concede subvenciones a desarrolladores de todo el mundo y coordina marcos de gobernanza para un desarrollo responsable de la IA. Para consultas de prensa, escribe a: marketing@sentient.foundation
Sitio web: https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
Acerca de Sentient Labs
Sentient Labs es la organización de investigación técnica y desarrollo de productos de la Fundación Sentient.
Los Labs llevan a cabo investigación aplicada pionera en razonamiento, alineación y coordinación multiagente, y desarrollan marcos y modelos de código abierto —entre ellos, aunque no exclusivamente, ROMA, OML y Arena— que demuestran el potencial de la inteligencia artificial impulsada por la comunidad. Esto incluye facilitar la monetización de herramientas de código abierto, mejorar la calidad y utilidad del ecosistema de IA de código abierto mediante la coordinación de todo el ecosistema y proporcionar la distribución necesaria para que el código abierto se convierta en el estándar predeterminado de la IA.
Sitio web: https://sentient.xyz
X: https://x.com/sentientAGI
LinkedIn: https://www.linkedin.com/company/sentientagi
Contacto
Sachi Kamiya, Fundación Sentient, marketing@sentient.foundation Aviso legal. Este es un comunicado de prensa pagado.