Anthropic confirmó que Mythos es demasiado peligroso para el público general; OpenAI respondió el mismo día con su propio modelo restringido para ciberseguridad; y Stanford cuantificó lo que los datos llevan meses susurrando sobre adopción, valor y confianza.
El modelo más potente que Anthropic ha construido identificó miles de vulnerabilidades de día cero en semanas —y por eso no llegará a una API pública.
Mythos Preview fue presentado el 7 de abril, pero el 15 llegó la confirmación más directa que la empresa ha hecho hasta ahora: no habrá lanzamiento abierto. En evaluaciones controladas, Mythos fue capaz de ejecutar ataques de múltiples etapas sobre redes vulnerables y descubrir vulnerabilidades de forma autónoma —tareas que tomarían días a profesionales humanos experimentados. La respuesta de Anthropic fue Project Glasswing: en lugar de una API pública, el modelo se despliega exclusivamente en un consorcio de socios de seguridad que incluye Amazon, Apple, Cisco, CrowdStrike, la Linux Foundation y Microsoft. La empresa no tiene fecha para una versión más amplia, y el Consejo de Relaciones Exteriores publicó esta semana seis razones por las que el modelo representa un punto de inflexión para la seguridad global.
Un modelo afinado para defensores verificados, con las restricciones habituales rebajadas para quienes pasan la revisión de identidad.
El mismo día en que la prensa amplificaba la narrativa de «Mythos es demasiado peligroso», OpenAI anunció GPT-5.4-Cyber, una variante de GPT-5.4 ajustada específicamente para trabajo de ciberseguridad defensiva. El modelo habilita ingeniería inversa de binarios, simulación de vectores de ataque y análisis de vulnerabilidades sin código fuente disponible —capacidades que el GPT-5.4 estándar rechaza por política de uso. El acceso se otorga a través del programa Trusted Access for Cyber: individuos verificados en chatgpt.com/cyber, equipos corporativos mediante representante de la empresa. OpenAI describe el cambio estratégico como pasar de «restringir lo que los modelos pueden hacer» a «verificar quién accede a las capacidades más sensibles». La escala planificada apunta a miles de investigadores y cientos de equipos de seguridad.
La actualización más significativa del SDK desde su lanzamiento llega justo cuando la demanda empresarial de agentes autónomos alcanza su punto más alto.
TechCrunch reportó el 15 de abril la actualización del software de desarrollo de agentes de OpenAI con tres incorporaciones principales. Primero, integración de sandboxes que permiten a los agentes operar en entornos computacionales aislados, sin riesgo de efectos secundarios no deseados en sistemas de producción. Segundo, soporte nativo para el Model Context Protocol (MCP), que estandariza la comunicación entre agentes y herramientas externas. Tercero, nuevas primitivas de guardarraíles que dejan a los constructores definir límites explícitos sobre qué acciones puede tomar un agente de forma autónoma. La actualización apunta directamente al mercado corporativo, donde el principal obstáculo para adopción ha sido la preocupación por acciones no supervisadas con consecuencias irreversibles.
cat /feed/modelosopenai.md
Preentrenamiento completado el 24 de marzo en Abilene, Texas. El lanzamiento es cuestión de semanas, aunque el 14 de abril pasó sin evento.
> Aunque circularon rumores de un lanzamiento el 14 de abril que no se materializaron, la situación técnica es clara: OpenAI completó el preentrenamiento de GPT-6 en el centro de datos Stargate en Abilene, Texas, el 24 de marzo. El presidente Greg Brockman lo describió como «dos años de investigación» y «no una mejora incremental». Polymarket le asigna 78% de probabilidad de lanzamiento antes del 30 de abril y más del 95% antes del 30 de junio. No hay fecha oficial, modelo card ni página de API. Lo que sí hay es un modelo completando evaluaciones de seguridad en algún lugar de la infraestructura de OpenAI, con la industria esperando.
El informe anual del Instituto de IA Centrada en el Ser Humano de Stanford llegó esta semana cargado de cifras incómodas. En el frente técnico, las noticias son extraordinarias: los modelos ya superan a seres humanos en preguntas de nivel doctoral en ciencias y en benchmarks de código de competencia. En el SWE-bench Verified, el rendimiento saltó del 60 al casi 100% en un solo año. En el frente social, la historia es diferente. Los incidentes de IA documentados crecieron a 362 en 2025, frente a 233 en 2024. El 73% de los expertos estadounidenses ve el impacto en el mercado laboral de forma positiva; sólo el 23% del público general comparte esa visión. El dato más perturbador: Estados Unidos ocupa el último lugar entre los países encuestados en confianza pública hacia su propio gobierno para regular la IA, con apenas el 31%. El índice de transparencia de modelos de base cayó de 58 a 40 puntos, lo que significa que los modelos son más capaces, más usados y menos comprensibles para quienes los estudian y regulan.
— Décimo AI Index
El informe de Stanford documenta que la IA generativa alcanzó el 53% de adopción poblacional en apenas tres años —una curva más empinada que la del computador personal o la del internet en sus primeras décadas. El valor anual estimado de estas herramientas para los consumidores estadounidenses llegó a $172 mil millones a inicios de 2026, con el valor mediano por usuario triplicándose entre 2025 y 2026. La inversión privada en IA en Estados Unidos alcanzó $285.900 millones en 2025, más de 23 veces los $12.400 millones invertidos en China. La concentración del valor, sin embargo, preocupa: el estudio de PwC publicado esta semana señala que el 20% de las empresas captura el 75% de los beneficios económicos de la IA. Adopción masiva no implica distribución equitativa.
El 2 de agosto de 2026 entra en plena vigencia el EU AI Act para sistemas de alto riesgo. Desde esa fecha, toda empresa que use IA en reclutamiento, evaluación de candidatos o monitoreo de desempeño deberá implementar evaluaciones de riesgo obligatorias, documentación técnica, pruebas de sesgo, supervisión humana y registros de auditoría continuos. En paralelo, un tribunal federal en California permitió avanzar el caso Mobley vs. Workday como acción colectiva bajo la Ley de Discriminación por Edad en el Empleo de Estados Unidos —la primera demanda de clase que alega que una plataforma de IA discriminó sistemáticamente a solicitantes mayores de cierta edad.
Anthropic dice que Mythos es demasiado peligroso para el público. OpenAI dice que GPT-5.4-Cyber es solo para defensores verificados. Los dos enunciados son verdaderos. Pero tomados juntos describen un movimiento de toda la industria, no una postura individual de seguridad: los modelos más capaces en tareas de explotación de sistemas están siendo canalizados hacia un circuito cerrado de organizaciones con credenciales. La línea entre defensa y ofensa en ese circuito es tan delgada como la política de uso que cada laboratorio redactó. La evaluación independiente del UK AI Safety Institute sobre Mythos confirmó capacidades cibernéticas significativas. La pregunta que nadie ha respondido públicamente es quién vigila a los vigilantes, y qué pasa cuando las credenciales se filtran.
La IA de seguridad confinada al perímetro corporativo no es seguridad: es un foso privado.
Dos eventos coinciden esta semana para señalar una madurez real del ecosistema agentico. Microsoft lanzó Agent Framework 1.0 con APIs estables, un compromiso de soporte a largo plazo, integración MCP nativa y una interfaz visual que permite observar en tiempo real la ejecución de herramientas y llamadas entre agentes. En paralelo, el Protocolo Agente-a-Agente (A2A) de Google cumplió su primer año con más de 150 organizaciones participantes y despliegues en producción dentro de Azure AI Foundry y Amazon Bedrock AgentCore. La infraestructura para agentes en producción existe, es interoperable y tiene garantías de mantenimiento. La actualización del Agents SDK de OpenAI el mismo día apunta al mismo vector: la industria está normalizando las condiciones para que los agentes operen en entornos reales.
El estudio de desempeño de IA 2026 de PwC confirma que la brecha entre líderes y rezagados se ensancha más rápido de lo que muchos proyectaron.
Tres de cada cuatro dólares del valor económico generado por IA van al 20% de las empresas que lideran la adopción, según el estudio de PwC con más de 2.500 ejecutivos globales. El informe distingue entre «líderes de crecimiento» —que invierten en IA para generar nuevos ingresos— y «líderes de productividad» —que la usan para reducir costos. Los primeros superan sistemáticamente a los segundos en creación de valor a dos años. La concentración no es geográfica ni sectorial: es organizacional. Las empresas que lideran son aquellas que apostaron temprano, integraron la IA en procesos centrales y midieron el retorno en ingresos, no solo en eficiencia. El AI Index de Stanford complementa el cuadro: la adopción es masiva, el valor no está distribuido, y la confianza pública en los reguladores para gestionarlo está en su punto más bajo.