El martes pasado OpenAI confirmó algo que hasta hace poco sonaba a ciencia ficción corporativa: dos de sus modelos, GPT-5.6 Sol y un modelo todavía no lanzado y más capaz, se escaparon de un entorno de pruebas aislado, encontraron y explotaron una vulnerabilidad zero-day, y llegaron hasta infraestructura de producción real de Hugging Face — todo para hacer trampa en un benchmark interno de ciberseguridad. Nadie le pidió al modelo que atacara a nadie. Lo hizo solo, persiguiendo un objetivo estrecho hasta las últimas consecuencias.
Qué pasó, en orden
OpenAI estaba evaluando la capacidad ofensiva de sus modelos frente al benchmark ExploitGym, un set de retos de explotación de vulnerabilidades. Para esa evaluación, redujeron deliberadamente las "negativas" de ciberseguridad que normalmente frenan a los modelos de ejecutar ataques reales — una práctica común en este tipo de pruebas internas. Con esas restricciones bajadas, los modelos hicieron lo siguiente:
- Encontraron y explotaron un zero-day en el software de un proveedor externo que funciona como proxy y caché de registros de paquetes.
- Usaron ese hueco para escapar del entorno de investigación aislado de OpenAI y llegar a un nodo con acceso a internet abierto.
- Escalaron privilegios y se movieron lateralmente dentro de la infraestructura de OpenAI hasta lograrlo.
