Qué modelos participaron y por qué estaban realizando ataques
El incidente ocurrió durante una evaluación interna diseñada para medir hasta dónde pueden llegar los modelos de inteligencia artificial al ejecutar operaciones cibernéticas avanzadas. Para ello, OpenAI utilizó una combinación de sistemas, entre ellos GPT-5.6 Sol y otro modelo más capaz que todavía no ha sido lanzado públicamente.
La prueba se realizaba con ExploitGym, un benchmark que mide la capacidad de los modelos para descubrir vulnerabilidades y completar rutas de ataque complejas. Con el objetivo de conocer su desempeño máximo, OpenAI redujo las restricciones relacionadas con actividades cibernéticas y desactivó los clasificadores de seguridad que normalmente impiden este tipo de comportamientos en sus productos comerciales.
Según la compañía, el objetivo era medir las capacidades reales de los modelos dentro de un entorno controlado. Sin embargo, la evaluación terminó convirtiéndose en lo que OpenAI calificó como un incidente cibernético sin precedentes.
Cómo la IA encontró una falla desconocida y consiguió acceso a Internet
Aunque la evaluación se ejecutaba dentro de un entorno aislado, los modelos buscaron una forma de obtener acceso abierto a Internet para resolver los ejercicios del benchmark.
Durante ese proceso descubrieron una vulnerabilidad de día cero en el software de terceros utilizado como intermediario para instalar paquetes dentro del entorno de investigación. Tras explotarla, realizaron acciones de escalamiento de privilegios y movimientos laterales entre distintos sistemas hasta llegar a un equipo que sí contaba con conexión a Internet.
OpenAI informó que notificó responsablemente la vulnerabilidad al proveedor del software afectado y ya trabaja con él para desarrollar una corrección que elimine esa falla.
