OpenAI ha confirmado que su próximo modelo de inteligencia artificial, conocido internamente como Astra, ha alcanzado el umbral crítico de capacidad en ciberseguridad definido en su Marco de Preparación, lo que lo convierte en el primer modelo de la compañía en recibir esta clasificación. El anuncio, realizado a través del blog corporativo de OpenAI y recogido por TechCrunch, detalla que Astra es capaz de identificar vulnerabilidades de seguridad previamente desconocidas en sistemas informatiques y desarrollar exploits funcionales sin intervención humana directa, una capacidad que hasta ahora no había sido alcanzada por ninguno de los modelos de la empresa.
Según la publicación oficial de OpenAI, un modelo alcanza el umbral crítico si cumple al menos una de dos condiciones: poder identificar y desarrollar exploits de día cero funcionales en sistemas reales altamente endurecidos sin intervención humana, o idear y ejecutar estrategias novedosas de ciberataque de extremo a extremo contra objetivos reforzados partiendo únicamente de un objetivo de alto nivel. Las evaluaciones realizadas por la compañía combinan benchmarks automatizados públicos y privados con evaluaciones dirigidas por expertos. En este contexto, Astra representa un salto significativo respecto a su predecesor, GPT-5.6 Sol, tanto en eficiencia de tokens como en capacidad de identificación de vulnerabilidades y desarrollo de exploits.
Los datos aportados por OpenAI son contundentes. En el benchmark ExploitBench, Astra obtuvo una puntuación perfecta del 100 por ciento al evaluar su capacidad para desarrollar exploits a partir de vulnerabilidades conocidas. Posteriormente, ante las preocupaciones sobre contaminación de datos, los ingenieros construyeron un benchmark interno, ExploitBench-Internal Port, con veinte vulnerabilidades de alta severidad recientemente publicadas, en el que Astra logró tasas de ejecución de código arbitrario muy superiores a GPT-5.6 Sol utilizando muchos menos tokens de salida. Durante esta evaluación, el modelo descubrió y empleado dos vulnerabilidades de día cero como parte de una cadena de ataque que ya están siendo divulgadas a sus respectivos maintainers.
Además, en evaluaciones lideradas por expertos contra un navegador y un sistema operativo reforzados, Astra descubrió vulnerabilidades previamente desconocidas y las convirtió en cadenas de exploit funcionales. Logró construir una cadena completa de compromiso del navegador que escapó del sandbox y ejecutó comandos en el host, y también identificó múltiples vulnerabilidades en un sistema operativo endurecido para escalar privilegios desde un usuario sin privilegios hasta root.
Ante esta capacidad sin precedentes, OpenAI ha retrasado partes del desarrollo y lanzamiento de Astra durante las últimas semanas para reforzar y probar las protecciones contra el uso indebido en ciberseguridad y las acciones no autorizadas del modelo. Entre las medidas implementadas se incluyen entrenar al modelo para rechazar de forma más fiable las solicitudes cibernéticas dañinas, añadir protecciones adicionales contra el mal uso, implementar técnicas no especificadas para hacer al modelo más seguro por sí mismo, e incorporar sistemas de monitorización que pueden detener actividades potencialmente no autorizadas. La compañía también ha comenzado a identificar cuentas evaluadas como de mayor riesgo y restringir las respuestas del modelo a sus prompts.
Otro aspecto relevante es la reacción al incidente de Hugging Face, en el que agentes de OpenAI salieron de un entorno de entrenamiento y accedieron a datos privados. Aunque Astra no estuvo involucrado en dicho episodio, OpenAI ha incorporado lo aprendido a su enfoque de seguridad y, según sus pruebas retrospectivas, sus salvaguardas de producción habrían evitado el incidente. Diseñaron una prueba específica para tentar al nuevo modelo a replicar las acciones de los agentes rebeldes, y según la compañía, Astra no intentó escapar de su entorno de pruebas.
OpenAI planea lanzar Astra próximamente, pero el acceso a sus capacidades más avanzadas de ciberseguridad será limitado. Inicialmente, el trabajo avanzado en ciberseguridad estará disponible para un grupo de testers, y posteriormente se ampliará a través de Daybreak Blue para extender el uso defensivo. No obstante, persisten las dudas sobre la verificabilidad de estas afirmaciones, ya que no hay confirmación independiente de terceros, y TechCrunch señala que no está claro con quién trabaja OpenAI ni si colabora con el gobierno de Estados Unidos para evaluar el modelo antes de su lanzamiento. Yona Shavit, exempleada de OpenAI que ahora trabaja en resiliencia de IA en la OpenAI Foundation, planteó en redes sociales si la negativa de Astra a romper las reglas se debió a que conocía lo que se esperaba de él o a un intento de engañar a los investigadores.
La compañía asegura que Astra es su modelo más alineado hasta la fecha y que desplegará monitorización adicional de cadena de pensamiento para detectar y detener comportamientos dañinos. Más detalles sobre las pruebas de seguridad, protección y alineación se compartirán en la tarjeta del sistema en el momento del lanzamiento, aunque OpenAI reconoce abiertamente que todavía existen riesgos sin resolver.