Anthropic publicó el 12 de octubre un estudio sobre gusanos autorreplicantes de IA que reúne pruebas distintas: inferencia distribuida en televisores Android, configuración de inferencia en varios tipos de hardware y propagación entre emuladores. La prueba de propagación utilizó un agente diferente del modelo transportado y una interfaz ADB sin autenticación; sus resultados corresponden a ese entorno controlado. Anthropic detalla los experimentos y sus límites.
Un gusano informático es un programa que se copia de un equipo a otro sin intervención humana. En el escenario estudiado, la IA podría ayudar a configurar la inferencia en dispositivos distintos y continuar la propagación. Las pruebas midieron por separado partes de esa secuencia.
Qué probó Anthropic
En una prueba física, Anthropic distribuyó Gemma4-26B-A4B entre 15 televisores Android económicos. El conjunto alcanzó una velocidad de 0,39 tokens por segundo. En otra evaluación, Qwen3.5-9B configuró un servidor de inferencia para Llama3.1-8B en 8 de 9 tipos de hardware.
La prueba de propagación se realizó en ocho emuladores de Android 15. GLM-5.2 coordinó el flujo de trabajo y preparó Llama3.1-8B como carga útil; el agente GLM-5.2 funcionaba por separado, no dentro de los dispositivos de destino. Llegó a los ocho nodos en cuatro de cinco intentos y a siete en el restante. La red exponía un puerto de Android Debug Bridge (ADB), una herramienta de conexión y depuración, sin autenticación, por lo que el acceso estaba simplificado.
Anthropic estimó que configurar la inferencia llevaría entre 28 y 51 horas con Qwen3.5-9B y entre 71 y 150 horas con Gemma4-26B-A4B sin optimizar. Son estimaciones de esa fase de configuración. La empresa proyectó que los modelos pequeños podrían alcanzar hacia finales de 2026 la capacidad observada en la prueba de propagación si continuaba la mejora histórica; calificó el cálculo de aproximado y utilizó el Epoch Capabilities Index como indicador indirecto.
Qué señales de red y defensas plantea
Anthropic propone vigilar transferencias de modelos de varios gigabytes, tráfico sostenido entre dispositivos, escaneos de red y patrones inusuales de conexiones salientes. Entre las respuestas posibles menciona los honeypots, sistemas que atraen actividad sospechosa para observarla; la cuarentena de red; los avisos a clientes, y una seguridad predeterminada más estricta en los dispositivos.
Una red distribuida podría carecer de un único punto central que desconectar, según el escenario que describe el equipo. Anthropic también señala que algunos dispositivos con baja seguridad podrían volver a infectarse tras reiniciarse. Por eso, sus medidas incluyen tanto la vigilancia del tráfico como el aislamiento de equipos y la comunicación con sus usuarios.
Qué mide el antecedente de Mirai
Para ilustrar una respuesta a una botnet, Anthropic cita un estudio anterior de limpieza de infecciones de Mirai por parte de un proveedor de Internet. En esa operación se eliminó el 92 % de las infecciones en 14 días con cuarentena y avisos a los clientes, frente al 74 % sin notificación. Es un antecedente sobre Mirai, no un resultado de las pruebas de gusanos de IA.
Por qué Anthropic estudió este escenario
Anthropic explica que eligió un posible replicador pequeño basado en pesos porque lo consideraba una amenaza cercana que podía investigar directamente. En una publicación distinta, la empresa señala que el trabajo de evaluación de su Frontier Red Team ayuda a avanzar rápidamente en IA y, a la vez, desarrollar salvaguardas. Esa es la explicación de Anthropic sobre su propio trabajo, no una descripción de las motivaciones de toda la industria. La cobertura de NeoTeo sobre Anthropic y los ciberataques aborda otro aspecto del uso malicioso de la IA. Anthropic explica el objetivo de su Frontier Red Team.
