> ## Content Index > Fetch the complete content index at: https://www.digitalbrain.news/llms.txt > Use this file to discover other available public pages before exploring further. # Anthropic: la IA podrá autorreplicarse en teles y hornos en meses - URL: https://www.digitalbrain.news/noticias/anthropic-ia-autorreplica-dispositivos-iot-tv/ - Published: 2026-10-13T08:33:30.000Z - Updated: 2026-10-13T08:35:01.000Z - Description: Anthropic cree que los modelos de IA pequeños están a meses de poder copiarse solos de un aparato a otro sin pasar por un centro de datos. - Author: Ramón Pérez Coronado - Tags: #noticias, anthropic, ciberseguridad [Anthropic](https://www.digitalbrain.news/guias/que-es-anthropic/) cree que los modelos de IA pequeños están a meses de poder copiarse solos de un aparato a otro sin pasar por un centro de datos. Lo dice su Frontier Red Team, el equipo que ataca a los modelos para medir qué pueden hacer, en un [informe publicado el 12 de octubre](https://www.anthropic.com/research/self-replicating-ai?ref=digitalbrain.news) firmado por William Zhou y Daniel Freeman. El escenario que pintan es un gusano lento que vive en cajas Android TV baratas, hornos conectados y cámaras de seguridad. Para demostrar que el hardware da para tanto, compraron 15 cajas Android TV sin marca a unos 55 dólares cada una, las conectaron en red y repartieron entre ellas un modelo de 26.000 millones de parámetros. Funcionó. Despacio, pero funcionó. ## Puntos clave - Gemma4-26B-A4B corrió repartido en 15 cajas Android TV de 4 GB de RAM, a 0,39 [tokens](https://www.digitalbrain.news/guias/que-es-un-token-en-ia/) por segundo, con dos capas del modelo en cada caja. - [Qwen3.5-](https://www.digitalbrain.news/glosario/#qwen)9B, un modelo de 9.000 millones de parámetros, consiguió montar un servidor de [inferencia](https://www.digitalbrain.news/glosario/#inferencia) en 8 de los 9 tipos de hardware probados, desde una Jetson Nano hasta un Mac o una RTX 4090. - GLM-5.2, el modelo chino de Z.ai, completó el ciclo entero de replicación en una red de prueba: llegó a 8 de 8 nodos en 4 de 5 intentos y a 7 de 8 en el quinto. El resto de modelos abiertos probados fallaron de forma sistemática. - Si los modelos pequeños siguen mejorando al ritmo histórico, alcanzarán el nivel de GLM-5.2 a finales de 2026. ## Qué ha probado Anthropic exactamente El equipo parte el problema en cuatro fases: encontrar objetivos, conseguir ejecutar código en ellos, poner a funcionar un modelo de IA en la máquina comprometida y seguir propagándose desde ahí. Las dos primeras las da casi por sabidas. Hay trabajos previos, como CyberGym y ExploitBench, que ya muestran que los modelos pequeños saben explotar vulnerabilidades si tienen las herramientas adecuadas. El informe se centra en la tercera fase, la menos estudiada: montar la inferencia en un aparato que el modelo no conoce. Eso implica elegir el software correcto, encontrar las versiones de paquetes que encajan y depurar los fallos propios de cada máquina. Son pasos en cadena, y un error al principio arrastra todo lo demás. Para medirlo construyeron Memento, un arnés encima del agente de [código abierto](https://www.digitalbrain.news/glosario/#open-source) Pi. Cada cierto tiempo arranca una instancia nueva del agente con el trabajo de la anterior y unas notas breves de lo que probó. Lo hicieron porque vieron a un agente Qwen pasarse horas peleando con versiones de paquetes cuando el fallo real estaba en otro sitio. Luego montaron una red cerrada de 8 nodos en Google Cloud que emulaban Android 15\. El gusano entraba por un puerto de depuración ADB sin contraseña, levantaba un servidor de Llama3.1-8B en el nodo nuevo y, si ese servidor pasaba los controles de calidad y antitrampas, se copiaba allí y seguía. Solo GLM-5.2 lo hizo de principio a fin. El propio informe marca el límite de la prueba: el paso de hackeo es trivial (no hay autenticación en ese puerto), así que el resultado es un techo. Pero recuerda que la botnet Mirai se propagó probando la lista de usuarios y contraseñas de fábrica, así que la seguridad real del IoT tampoco está tan lejos de ese escenario fácil. ## Un suelo y un techo que todavía no se tocan Anthropic lo explica con dos líneas. El suelo es la capacidad mínima que necesita el modelo para replicarse de forma fiable, y hoy GLM-5.2 está por encima. El techo es el tamaño máximo que cabe en los aparatos atacados, y ahí entran Qwen3.5-9B y Gemma4-26B-A4B en teles de 4 GB. Ahora mismo ningún modelo cumple las dos cosas a la vez. Pero el equipo ha medido los mejores modelos abiertos de 30.000 millones de parámetros o menos con el Epoch Capabilities Index (ECI), un índice general de capacidad, y suben 13,7 puntos al año con un ajuste muy limpio (R² de 0,95). Si la línea sigue, un modelo pequeño llega al nivel de GLM-5.2 antes de que acabe el año. Ellos mismos avisan de que el ECI es un indicador aproximado, así que la fecha es orientativa. Ya vimos a GLM-5.2 en septiembre: un análisis de SaferAI contaba que [no rechazó ni una tarea ofensiva](https://www.digitalbrain.news/noticias/saferai-glm-5-2-z-ai-brecha-seguridad/), y el propio Anthropic alertó de que su sucesor [GLM-5.3 crea exploits](https://www.digitalbrain.news/noticias/anthropic-glm-5-3-exploits-salvaguardas/) con salvaguardas que no aguantan. ## Cómo de rápido se movería un gusano así Despacio. Gemma4-26B-A4B sin optimizar va a unos 0,3 tokens por segundo en las cajas de prueba. Llenar una [ventana de contexto](https://www.digitalbrain.news/guias/que-es-la-ventana-de-contexto/) de 32.000 tokens le cuesta entre 27 y 32 horas, y montar la inferencia completa en otro aparato, entre 71 y 150 horas. Qwen3.5-9B tarda entre 28 y 51 horas. Anthropic hace la cuenta con Kimwolf, una botnet real que llegó a infectar más de 2 millones de aparatos, sobre todo cajas Android TV. Si cada grupo de 15 teles corriera una copia de Gemma, saldrían unas 133.000 réplicas y 80.000 tokens por segundo en total. Eso equivale a unas 40 tarjetas H100, una potencia ridícula para un centro de datos. Los autores lo comparan con un moho mucilaginoso o con un enjambre de moscas de la fruta: se reproduce en días, pero cuesta mucho matarlo porque no hay un servidor central que apagar. Hay otro dato que me parece más inquietante que la velocidad. Probaron si el gusano aprende sobre la marcha: cada instancia de Qwen3.5-9B deja notas para la siguiente. En seis generaciones, la tasa de éxito montando inferencia pasó del 45% a entre el 61% y el 84%. A diferencia de Kimwolf, que solo sabe atacar un tipo de aparato, un gusano con IA se adapta al hardware que encuentra. Lo que no ayudó fue darle un asesor más listo. Conectaron Qwen3.5-9B a Opus 4.8 y la mejora fue nula: el modelo pequeño no sabe qué preguntar. Por eso Anthropic cree que la amenaza real vendrá de un modelo grande dirigiendo a muchos pequeños como subagentes. ## Cómo se frena El informe propone tratarlo como una epidemia: bajar el R₀, el número de aparatos nuevos que infecta cada aparato infectado, por debajo de 1 para que el brote se extinga solo. - Vigilar el tráfico. Un gusano así mueve archivos de varios gigas entre aparatos que normalmente no hablan entre sí, y eso se ve en la monitorización de los operadores. - Poner señuelos (honeypots) para capturar el gusano y estudiarlo. - Poner en cuarentena a los clientes infectados y avisarles. Con Mirai, eso limpió el 92% de las infecciones en 14 días, frente al 74% sin aviso. - Exigir mejores valores de fábrica. En Reino Unido ya no se pueden vender aparatos IoT con contraseña por defecto. ## Por qué importa a una empresa Si tienes una oficina con cámaras IP, salas de videoconferencia, pantallas de recepción o cualquier cacharro conectado que nadie actualiza desde que se instaló, eso es exactamente el tipo de máquina que describe el informe. No hace falta esperar a que exista el gusano para hacer lo básico: cambiar las contraseñas de fábrica, actualizar el firmware y meter esos aparatos en una red separada de la que usa el equipo. Anthropic aclara que todavía no existe un replicador completo y habla de "señales de vida", igual que con los agentes de código en 2024\. Y viendo lo que pasó con los agentes de código en dos años, yo me tomaría en serio el aviso. Fuente original: [Anthropic](https://www.anthropic.com/research/self-replicating-ai?ref=digitalbrain.news) --- **Relacionado** [![Anthropic lleva Claude a la defensa de redes eléctricas y agua](https://storage.ghost.io/c/6d/e3/6de31f63-d0a8-45df-9c6a-481016520347/content/images/size/w300/format/webp/2026/10/anthropic-programa-defensa-infraestructura-critica-ot.jpg)Anthropic lleva Claude a la defensa de redes eléctricas y agua](https://www.digitalbrain.news/noticias/anthropic-programa-defensa-infraestructura-critica-ot/)[![La IA dispara las estafas: 442.000 millones, más que la cocaína](https://storage.ghost.io/c/6d/e3/6de31f63-d0a8-45df-9c6a-481016520347/content/images/size/w300/format/webp/2026/10/ia-estafas-442000-millones-mas-que-cocaina.jpg)La IA dispara las estafas: 442.000 millones, más que la cocaína](https://www.digitalbrain.news/noticias/ia-estafas-442000-millones-mas-que-cocaina/)