El Instituto británico de Seguridad en IA (AISI, por sus siglas en inglés) publicó por primera vez una evaluación de cuánto están por detrás los principales modelos de pesos abiertos frente a los sistemas propietarios en capacidades cibernéticas ofensivas. La respuesta es incómoda: la distancia se está cerrando rápido.
Según AISI, modelos abiertos actuales como GLM-5.2 y DeepSeek V4-Pro alcanzaron un nivel que los modelos cerrados de frontera lograron entre cuatro y siete meses antes. Durante casi todo 2025 esa brecha era de seis a diez meses. En pocos meses, el margen se acortó de forma notoria.
¿Por qué preocupan los modelos de pesos abiertos?
El riesgo, para los críticos, está en la naturaleza misma de estos modelos: cualquiera puede descargar sus pesos, modificarlos y ejecutarlos sin supervisión. Una vez liberado un modelo, los usuarios pueden quitar las barreras de seguridad, compartir copias libremente y correrlo en sistemas privados fuera del control de nadie. AISI describe esto como "un riesgo de mal uso persistente e irreversible".
El contrapeso también es real. Los modelos abiertos permiten alojamiento privado sin que los datos regresen al proveedor, se pueden personalizar, reducen costos y ofrecen una base que ningún proveedor puede cambiar ni apagar de un día para otro. AISI sostiene que ambas preocupaciones deben equilibrarse.
¿Cómo se midió la brecha?
El instituto usó dos métodos distintos que llegaron al mismo resultado. El primero, el benchmark Narrow Cyber Tasks, incluye 70 tareas en cuatro niveles de dificultad, desde trabajo no técnico hasta desafíos de nivel experto. Cubre investigación de vulnerabilidades, ingeniería inversa, explotación web y criptografía.
En esas tareas, GLM-5.2 (lanzado en junio de 2026) igualó el desempeño de Opus 4.6 (febrero de 2026), es decir unos cuatro meses de retraso. DeepSeek V4-Pro rindió al nivel de Opus 4.5, liberado en noviembre de 2025.
El segundo método, llamado Cyber Ranges, evalúa capacidades cibernéticas autónomas en redes simuladas. El escenario "The Last Ones" simula un ataque de 32 pasos contra una red corporativa con cuatro subredes y unos 20 equipos. AISI estima que un experto humano necesitaría cerca de 20 horas para completarlo. Ahí GLM-5.2 rindió de forma similar a Opus 4.5, mientras que DeepSeek V4-Pro quedó por debajo de Sonnet 4.5. El mejor resultado lo obtuvo GPT-5.6-Sol, por delante de Claude Mythos 5. En este test la brecha es más amplia, cercana a siete meses, aunque AISI la considera evidencia más débil por venir de menos escenarios.
¿Cuánto más baratos son los modelos abiertos?
Acá aparece el dato más contundente para quien piense en escalar un ataque. AISI calcula que una prueba de Cyber Range de 100 millones de tokens costó alrededor de 85 dólares con Opus 4.5 o 4.6, unos 46 dólares con GLM-5.2 y apenas 1,19 dólares con DeepSeek V4-Pro.
| Modelo | Prueba de 100M tokens | Costo por tarea resuelta |
|---|---|---|
| Opus 4.6 (cerrado) | ~USD 85 | ~USD 15 |
| Opus 4.5 (cerrado) | ~USD 85 | ~USD 12,50 |
| GLM-5.2 (abierto) | ~USD 46 | ~USD 6 |
| DeepSeek V4-Pro (abierto) | ~USD 1,19 | ~USD 0,28 |
La diferencia es dramática: hasta 70 veces más barato en el peor de los casos para el defensor. Eso vuelve los ciberataques con modelos abiertos económicos y fáciles de escalar.
Salvaguardas que casi no frenan nada
AISI encontró que las medidas de seguridad de los modelos abiertos fueron en gran medida inefectivas. DeepSeek V4-Pro a veces rechazaba tareas de ingeniería inversa, pero bastaba con volver a intentarlo para saltar la restricción. Mecanismos como el monitoreo, los clasificadores y los límites de uso no se trasladan de forma confiable a los modelos abiertos, porque dependen de controlar el acceso al modelo, algo imposible cuando los pesos ya circulan.
El instituto enmarca la brecha restante como una ventana de preparación: durante ese tiempo, los defensores con acceso a los sistemas cerrados más potentes pueden actuar antes de que esas capacidades estén disponibles libremente y sin salvaguardas comparables. En abril de 2026, dos modelos cerrados, Mythos Preview y GPT-5.5, entregaron algunas de las mayores mejoras en cibercapacidad de IA desde que AISI comenzó a medir, y el Centro Nacional de Ciberseguridad del Reino Unido emitió advertencias internacionales sobre un panorama de amenazas que cambia rápido.
Queda abierta la pregunta de si los próximos modelos de pesos abiertos replicarán esos avances. AISI planea evaluar Kimi-K3, cuyos pesos se esperan para fines de julio y que según los benchmarks de código actuales podría acercarse más a la frontera, aunque a un costo bastante mayor que otros modelos abiertos.
