El informe que Anthropic fechó el 12 de octubre de 2026 describe pruebas controladas de varias capacidades relacionadas con la autorreplicación de la IA. Sus ensayos abarcan desde configurar un modelo en distintos tipos de hardware hasta propagarse por una red de emuladores con acceso simplificado; Anthropic no demostró un replicador autónomo que se extendiera por la internet pública. El informe de Anthropic también muestra por qué ejecutar modelos en dispositivos modestos sigue planteando dificultades.
Cuatro pasos, con una dificultad clave
Anthropic divide una posible cadena de autorreplicación en cuatro etapas: localizar objetivos, conseguir ejecutar código en ellos, instalar la inferencia —el proceso de ejecutar un modelo para generar respuestas— y continuar la propagación desde el nuevo equipo. Sus experimentos se centraron en la instalación de la inferencia y la propagación; simplificaron el acceso inicial a los dispositivos.
Esa diferencia importa: lograr que un modelo configure otro en un entorno preparado no equivale a superar las protecciones de una red doméstica corriente.
Dos pruebas con condiciones distintas
En una prueba de hardware, Qwen3.5-9B configuró un servidor de inferencia Llama3.1-8B en 8 de 9 tipos de hardware. El resultado mide la capacidad de preparar el servidor en esos equipos; por sí solo, no mide la entrada en una red ni la propagación entre dispositivos.
El ensayo de red puso a prueba otro tramo. En una flota aislada por cortafuegos de ocho emuladores Android 15, GLM-5.2 llegó a los ocho nodos en cuatro de cinco intentos y a siete de los ocho en el restante. El puerto de Android Debug Bridge (ADB) estaba abierto sin autenticación. GLM-5.2 se ejecutaba en un servidor de inferencia separado y los nodos de destino usaban Llama3.1-8B. Además, el sistema solo generaba una nueva copia después de superar comprobaciones de corrección y contra trampas.
Anthropic califica el resultado como un límite superior del éxito posible en condiciones reales, porque la explotación se había simplificado. La prueba informa de lo que el modelo hizo en esa configuración, no de su capacidad para franquear las defensas habituales de dispositivos conectados.
Inferencia repartida entre 15 televisores
Anthropic distribuyó Gemma4-26B-A4B entre 15 televisores Android, cada uno con 4 GB de RAM, para ejecutar inferencia de forma distribuida. El sistema alcanzó una velocidad de 0,39 tokens por segundo. La demostración consistió en repartir el modelo entre los equipos y ejecutar inferencia: no en infectarlos ni propagarse de uno a otro.
El ensayo aborda una cuestión práctica: un dispositivo no tiene por qué alojar por sí solo un modelo que excede su memoria si el trabajo se reparte entre varios. Pero esta configuración concreta no demuestra que los televisores se hayan convertido en una red de propagación autónoma.
Las instancias heredaron notas, no un modelo reentrenado
En 20 linajes de seis generaciones de Qwen3.5-9B, la tasa de éxito al configurar la inferencia pasó del 45 % en la primera generación a entre el 61 % y el 84 % en generaciones posteriores. Con Memento, cada nueva instancia recibía el espacio de trabajo, el código y notas con estrategias y fallos anteriores. El modelo no se reentrenaba: lo que se transfería era memoria operativa para orientar el siguiente intento.
Las defensas que contempla Anthropic
Anthropic plantea vigilar flujos de red con transferencias grandes o tráfico sostenido e inusual entre dispositivos, usar honeypots para recoger y analizar malware, coordinar la cuarentena de equipos con avisos a sus clientes y reforzar la seguridad predeterminada de los dispositivos IoT.
Para ilustrar una posible respuesta, el informe cita un estudio de limpieza de la botnet convencional Mirai: se eliminaron el 92 % de las infecciones en 14 días con cuarentena y notificación, frente al 74 % sin notificación. Es un resultado de limpieza de Mirai, no una prueba de eficacia frente a un gusano de IA. Anthropic señala que una cuarentena inicial podría ayudar y que erradicar una infección distribuida requeriría coordinación entre los proveedores de internet afectados. El informe presenta esas medidas como opciones defensivas, no como una respuesta ya probada contra un replicador de IA.
