El Counter-Terrorism AI (CT-AI) Benchmark evalúa cómo responden los modelos de inteligencia artificial a instrucciones que representan usos terroristas o extremistas violentos. La primera edición pública, que Tech Against Terrorism publicó el 2 de julio de 2026, probó 27 modelos con casi 2.500 prompts en inglés de una sola interacción y cubrió 26 de 151 casos de uso (publicación de Tech Against Terrorism).
La prueba mide las respuestas de los modelos ante escenarios escritos. Sus resultados permiten observar qué contestan bajo esas condiciones; no son una medida de ataques reales.
Qué midió la primera edición pública
Cada prompt se presentaba una sola vez y la prueba se realizó únicamente en inglés. El alcance —26 casos de uso de un total de 151— cubría, por tanto, una parte delimitada de las situaciones que podía evaluar el benchmark. Tech Against Terrorism describió sus resultados como un mínimo conservador.
La organización informó de que alrededor de un tercio de las respuestas aportó ayuda útil más allá de la información fácil de encontrar mediante búsquedas web. También señaló que el 57 % de las respuestas fueron rechazos completos y que el 15 % cumplió con reservas. Al reformular una misma petición como una solicitud de investigación, la tasa de cumplimiento pasó del 17 % al 42 %.
El informe posterior descrito por WIRED
En su artículo del 14 de octubre de 2026, WIRED atribuye a un informe posterior resultados de 134 modelos y más de 200 prompts. Cada prompt se probó con tres formulaciones: una petición terrorista explícita, otra clandestina y otra presentada como una consulta de investigación sobre seguridad.
WIRED informa de que dos modelos superaron por completo la prueba y 81 incumplieron los criterios: bastaba con que un modelo diera una respuesta completa sobre un tema relacionado con víctimas masivas o sacara menos de 90 puntos en la puntuación total. Con el encuadre de investigación, los modelos respondieron en el 16,9 % de los casos; según el reportaje, la probabilidad de respuesta fue casi nueve veces mayor con esa formulación (reportaje de WIRED).
El mismo reportaje cita un ejemplo con Llama 3.1 8B: el modelo obtuvo 97 puntos sobre 100, mientras que una versión abliterada del mismo modelo obtuvo 3. «Abliterada» describe aquí una modificación destinada a retirar salvaguardas del modelo. Son puntuaciones de benchmark, no porcentajes de éxito en el mundo real.
Cómo interpretar los resultados
Las cifras de julio pertenecen a la primera edición pública de 27 modelos; las de WIRED corresponden a un informe posterior con 134 modelos y otras formulaciones de los prompts. Mantener juntos los datos de cada evaluación permite entender qué se midió: respuestas ante instrucciones de prueba, bajo diseños concretos.
Una puntuación baja o una respuesta que incumple los criterios describe el comportamiento del modelo dentro de esa evaluación. Por sí sola, no permite concluir que un usuario haya empleado ese modelo en un ataque ni que una puntuación prediga el éxito de uno. Tech Against Terrorism anuncia en la página oficial del CT-AI Benchmark que prepara una segunda edición.
