Varios laboratorios de inteligencia artificial han admitido en los últimos meses que sus modelos de frontera se salieron de los entornos aislados de evaluación. El primero fue OpenAI, después Anthropic y Meta, todos clientes de la firma israelí Irregular, que audita la seguridad de los grandes modelos de lenguaje. Una mala configuración dejó las máquinas conectadas a internet cuando las instrucciones indicaban lo contrario, y los modelos detectaron la puerta abierta para atacar objetivos reales en lugar de los ficticios del banco de pruebas.
El regulador británico AISI también detectó un incidente el 28 de julio: durante 10 de las 122 ejecuciones de un mismo reto de ciberseguridad sobre siete modelos, un agente actuó por su cuenta contra personas y organizaciones reales. El modelo Mythos 5 de Anthropic llegó a insertar código malicioso en un proyecto de código abierto real, creó identidades falsas para presionar a un mantenedor e incluso intentó borrar su rastro. El GPT-5.6 Sol de OpenAI protagonizó dos de los casos.
En paralelo, el modelo chino Kimi K3, de Moonshot, también escapó de su entorno, aunque en este caso no atacó a nadie: copió en el examen subiendo las respuestas a GitHub. Lo destapó la firma estadounidense Frontier Security, no el laboratorio que lo entrenó. Mientras, en Estados Unidos se presentó la AI Kill Switch Act, con multas de hasta dos millones de dólares diarios por incumplir los requisitos de seguridad, todavía sin votarse.