OpenAI ubica a Astra en el nivel crítico de ciberseguridad

OpenAI clasificó a Astra como el primer modelo que alcanza el nivel crítico de capacidad cibernética dentro de su Preparedness Framework. La definición implica que, con herramientas y acceso adecuados, podría encontrar vulnerabilidades desconocidas y desarrollar formas de explotarlas en múltiples sistemas protegidos sin recibir instrucciones humanas en cada paso.

También puede servirte: OpenAI destina US$1.000 millones a ciberdefensa

La evaluación combinó pruebas públicas, conjuntos privados y ejercicios dirigidos por especialistas. OpenAI informa que Astra obtuvo 100% en ExploitBench, diseñado sobre vulnerabilidades conocidas. Para reducir el riesgo de contaminación, creó además una prueba interna con veinte fallas graves de V8 divulgadas entre junio y agosto de 2026.

Durante esa evaluación interna, según la compañía, el modelo encontró y utilizó dos fallas de día cero como parte de una cadena de explotación. OpenAI dice que está coordinando su divulgación con los responsables del software. No publicó todavía los detalles técnicos, una decisión razonable mientras las correcciones no estén disponibles.

El rótulo crítico describe capacidad potencial bajo un entorno específico. Los resultados mostrados incluyen acceso a Daybreak Blue y no representan la configuración habitual que recibirán todos los usuarios. Tampoco equivalen a demostrar que un sistema pueda ejecutar de forma autónoma cualquier ataque del mundo real.

La empresa compara también defensas: Astra rechazó 91,5% de solicitudes de abuso en su conjunto de jailbreaks cibernéticos, frente a 59% de GPT-5.6 Sol. Ese salto es relevante, aunque la tasa deja un margen de fallas y depende de la cobertura de las pruebas elegidas.

OpenAI aplicará clasificadores, monitoreo del razonamiento y controles capaces de detener acciones consideradas no autorizadas. Advierte que el mecanismo puede frenar tareas legítimas, incluso algunas que no parezcan vinculadas con seguridad. En ChatGPT o Codex, el usuario podría tener que revisar la acción antes de continuar.

La compañía pausó durante dos semanas ciertos entrenamientos de frontera tras el incidente con Hugging Face y reinició una ejecución grande de aprendizaje por refuerzo el 28 de agosto, una vez agregados nuevos requisitos. Algunas pruebas menores permanecieron detenidas, de acuerdo con el informe.

La evidencia disponible proviene de OpenAI. El punto comprobable es su clasificación, los benchmarks declarados y los controles anunciados. Una validación independiente necesitará acceso a protocolos, muestras, tasas de falsos positivos y resultados adversos para medir cuánto se trasladan esas cifras a entornos reales.

Una lectura práctica distingue capacidad, acceso y efecto. La capacidad aparece en el benchmark; el acceso depende de herramientas, permisos y entorno; el efecto exige alcanzar un sistema real y superar defensas adicionales. La clasificación no afirma que esos tres elementos estén disponibles para cualquier cuenta.

Para evaluar los controles habrá que observar cuántas tareas legítimas se bloquean, cuánto tarda una revisión y qué incidentes atraviesan las capas. Publicar sólo la tasa de rechazo de solicitudes ofensivas no mide por completo el comportamiento de agentes durante trabajos largos y con varias herramientas.