Modelos chinos gratuitos de IA ya hackean casi al nivel de los mejores de EU, según Vals
En redes corporativas simuladas, DeepSeek V4.1 Flash completó 73% de los objetivos y el modelo restringido de OpenAI, 81%. Para las empresas mexicanas, el reto es defenderse de ataques más baratos.
Un modelo de inteligencia artificial chino que cualquiera puede descargar gratis ya ataca redes empresariales casi tan bien como el modelo de ciberseguridad más avanzado de OpenAI, que la empresa no ofrece al público. Así lo muestra la prueba CyberOffense de la firma de evaluación Vals, actualizada el 23 de octubre de 2026. En ella, DeepSeek V4.1 Flash completó cerca de 73% de los objetivos de intrusión, contra alrededor de 81% de GPT-6 Sol Daybreak. A DeepSeek, además, cada intento le costó una fracción de lo que costó el de OpenAI.
El resultado llega cuando el abuso de herramientas de hacking con IA ya no es hipotético. También reabre una pregunta incómoda: ¿sirve de algo restringir los modelos más peligrosos si las alternativas abiertas ya les pisan los talones?
Cómo fue la prueba y qué lograron los modelos
Vals montó dos redes corporativas ficticias. Nova es una red Windows con varios dominios de Active Directory y 21 objetivos. Lighthouse plantea 31 objetivos repartidos en dos empresas: el agente tiene que tomar la primera red y usar lo que encuentre ahí para entrar a la segunda. Cada modelo operó desde una máquina Kali Linux aislada, con un límite de 48 horas y 500 millones de tokens. Cada objetivo tenía un marcador oculto en una máquina de la red, y solo se contaba si aparecía en la salida registrada de los comandos del modelo. Lo que el modelo dijera haber logrado no valía.
Según la tabla publicada por Vals, en Nova DeepSeek incluso superó a OpenAI, con 16.3 objetivos en promedio contra 15.7. En Lighthouse, GPT-6 Sol Daybreak logró 27 de 31 y DeepSeek, 21. Detrás quedaron Kimi K3.1 Pro, Meta Wonder, Grok 4.7 y Kimi K3. El costo marca la mayor diferencia: en la primera red, cada ejecución de DeepSeek costó menos de 3 dólares y la de OpenAI, unos 22.
La conclusión de la propia Vals es directa: «La brecha que antes separaba a un modelo de frontera restringido de uno disponible libremente ahora es pequeña». También advierte que «una vez que los pesos de un modelo son públicos, ningún proveedor puede vigilar ni detener cómo se usa».
El caso de GLM: depende de qué versión se mida
El panorama de Z.ai (también conocida como Zhipu AI) tiene matices. Su versión ligera, GLM 5.3 Flash, quedó en último lugar en la prueba de Vals, con solo cinco objetivos en cada red. Pero el modelo completo, GLM-5.3, salió mucho mejor en otras evaluaciones. De acuerdo con Reuters, citada por Insurance Journal, la firma de seguridad Irregular reportó que completó al menos una vez 3 de 13 escenarios de ataque de varias etapas. Es el mejor resultado que Irregular ha registrado en un modelo abierto, y el modelo no rechazó ninguna de las tareas ofensivas. En comparación, GPT-6 Astra de OpenAI resolvió 9 de 10 escenarios en otra evaluación, aunque las pruebas no eran idénticas.
La misma nota recoge otros dos datos. El NIST de Estados Unidos considera a GLM-5.3 el modelo abierto más capaz en ciberseguridad hasta ahora, pero calcula que va unos cuatro meses detrás de los mejores sistemas estadounidenses. Y en pruebas de Anthropic, GLM-5.3 generó ataques funcionales contra vulnerabilidades en 12% de los intentos, contra 14% de Mythos, el modelo que Anthropic mantiene con acceso restringido.
De laboratorio a ataques reales
El riesgo ya se ve fuera de los laboratorios. TechCrunch informó el 6 de noviembre que la firma Censys encontró más de 800 instalaciones de Artex expuestas en internet sin contraseña. Artex es una herramienta china de código abierto para pruebas de penetración autónomas, publicada en julio. Microsoft la describe como un sistema de agentes que puede ejecutar ataques «desde el reconocimiento hasta la exfiltración de datos» con poca intervención humana. Según el medio, se ha vinculado a ataques contra el sector financiero de Corea del Sur en septiembre y al espionaje de miles de organizaciones a principios de octubre. Muchos de esos ataques aprovecharon contraseñas débiles o ya conocidas y la falta de autenticación multifactor.
Qué significa para las empresas en México
Para una empresa mexicana, el problema no es quién gane la carrera tecnológica. Es que los modelos abiertos ya pueden ejecutar intrusiones simuladas por unos cuantos dólares de cómputo por intento, según la prueba de Vals. El país parte de una posición frágil. Datos de la Universidad de Tecnologías Avanzadas (UNIAT) citados por EFE en Finanzas Digital indican que los ataques contra empresas en México subieron 38% en un año. También señalan que faltan más de 77 mil especialistas en seguridad informática y que 67% de los ataques exitosos empiezan con un error humano. El mismo texto cita a FortiGuard Labs, cuyo informe ubica a México como el segundo país más afectado de América Latina en 2025, después de Brasil.
En los casos reales descritos por TechCrunch, los ataques con Artex aprovecharon sobre todo contraseñas débiles o ya conocidas y cuentas sin autenticación multifactor. Vals añade un matiz a favor de los defensores: los pesos abiertos permiten que los equipos de seguridad prueben sus propias redes con estos agentes, «sin esperar la aprobación de un proveedor».
OpenAI y Anthropic mantienen sus modelos más potentes detrás de servicios controlados. El NIST calcula que la alternativa abierta más capaz va unos cuatro meses detrás de los mejores sistemas estadounidenses.
NUESTRA LECTURA: La discusión sobre controles a la IA lleva años centrada en impedir que ciertos modelos lleguen a manos equivocadas. Estos resultados indican que ese enfoque, por sí solo, ya no alcanza: si un modelo descargable logra casi nueve de cada diez objetivos que consigue el mejor sistema restringido, y por una fracción del costo, cerrar el acceso a los modelos de frontera parece comprar solo unos meses. Eso no vuelve inútiles las restricciones, pero cambia el foco hacia dónde puede actuar un país como México: en la defensa y no en la carrera por los modelos.
Lo que más debería preocupar no es el atacante sofisticado, sino el abaratamiento. El grueso de las empresas mexicanas, sobre todo las medianas y pequeñas, no tiene equipo de seguridad propio, y a un agente automatizado le da igual si el objetivo es un banco o una distribuidora regional. Conviene vigilar si reguladores como la CNBV o las autoridades de protección de datos empiezan a exigir autenticación multifactor y pruebas de intrusión periódicas, y si el país aprovecha estas mismas herramientas abiertas para entrenar a los miles de especialistas que le faltan. La IA que ataca y la que defiende ya son, en buena medida, la misma.
Fuentes
- Vals AI – CyberOffense Benchmark (resultados y metodología)
- Insurance Journal (Reuters) – Reporte de Irregular sobre GLM-5.3
- TechCrunch – Cientos de herramientas Artex expuestas en internet
- MLQ.ai – DeepSeek a ocho puntos del modelo cibernético de OpenAI en la prueba de Vals
- SRN News (Reuters) – Modelo chino ejecuta ciberataques complejos en pruebas controladas
- Finanzas Digital (EFE) – Ciberataques con IA ponen bajo presión a empresas mexicanas
Esta nota la redactó inteligencia artificial a partir de las fuentes citadas, y un editor escogió publicarla. ¿Viste un error? Escríbenos a hola@estoyaburrido.mx. Así trabajamos.
Comentarios
Los comentarios pasan por un filtro antes de publicarse y deben seguir la política de comentarios.