¿Qué tan atrás de la frontera están los modelos de IA de peso abierto en ciberseguridad?
El Instituto de Seguridad de IA del Reino Unido (AISI) midió por primera vez la brecha: modelos abiertos como GLM-5.2 y DeepSeek V4-Pro alcanzan capacidades de ciberataque que los modelos cerrados de frontera tenían hace 4 a 7 meses, y a una fracción del costo.
.png "Imagen: AI Security Institute (AISI)")
La noticia en 30 segundos
El Instituto de Seguridad de IA del Reino Unido (AISI) publicó su primer análisis público de la brecha entre modelos de IA de peso abierto y cerrado en ciberseguridad. La conclusión: modelos abiertos como GLM-5.2 y DeepSeek V4-Pro igualan hoy las capacidades de ciberataque que los modelos cerrados de frontera tenían hace 4 a 7 meses, una brecha más estrecha que los 6 a 10 meses de 2025. Además cuestan mucho menos: una prueba de 100 millones de tokens costó unos 85 dólares con Opus 4.5 o 4.6, frente a apenas 1,19 dólares con DeepSeek V4-Pro.
El Instituto de Seguridad de IA del Reino Unido (AISI) publicó su primer análisis público sobre cuánto trecho separa a los modelos de IA de peso abierto de la frontera cerrada en ciberseguridad. El hallazgo central es que la distancia se está acortando: los modelos abiertos GLM-5.2 y DeepSeek V4-Pro rinden hoy como los modelos cerrados de frontera de hace 4 a 7 meses, frente a una brecha de 6 a 10 meses que el AISI medía durante casi todo 2025.
¿Qué midió exactamente el AISI?
El instituto evaluó las capacidades ciber de cada modelo con dos métodos. El primero, un conjunto de 70 tareas ciber de distinta dificultad (investigación y explotación de vulnerabilidades, ingeniería inversa, explotación web y criptografía). El segundo, «rangos ciber»: redes corporativas simuladas donde el modelo debe ejecutar un ataque de principio a fin de forma autónoma.
En las tareas acotadas, GLM-5.2 (junio 2026) rinde como Opus 4.6 (febrero 2026), unos cuatro meses atrás, y DeepSeek V4-Pro queda al nivel de Opus 4.5 (noviembre 2025). En los rangos autónomos, GLM-5.2 llega tan lejos como Opus 4.5, cerca de siete meses atrás. El AISI aclara que este segundo resultado es evidencia más débil, porque proviene de un conjunto menor de escenarios.
¿Por qué esto es también una guerra de precios de la IA?
El dato que más importa para cualquier empresa no es solo la capacidad, sino el costo. Según el AISI, una corrida de 100 millones de tokens en un rango ciber costó unos 85 dólares con Opus 4.5 o 4.6, alrededor de 46 dólares con GLM-5.2 y apenas 1,19 dólares con DeepSeek V4-Pro. En tareas que ambos modelos resolvían con total fiabilidad, Opus 4.6 costaba 15,17 dólares por tarea frente a 6,12 de GLM-5.2, y Opus 4.5 costaba 12,50 dólares frente a los 28 centavos de DeepSeek V4-Pro.
La misma apertura que hace útiles a estos modelos, advierte el AISI, «impide muchas de las medidas de seguridad» que los proveedores cerrados sí pueden aplicar, porque una vez liberados los pesos ya nadie controla el acceso.
El instituto encontró que los resguardos de los modelos abiertos eran en gran parte inefectivos: DeepSeek V4-Pro a veces rechazaba tareas de ingeniería inversa, pero bastaba reintentar para saltarse la restricción.
¿Qué significa una brecha que se cierra para las empresas de Chile y Latinoamérica?
La lectura tiene dos caras. Por un lado, capacidades de IA cercanas a la frontera se vuelven baratas y descargables, lo que abarata la experimentación para cualquier empresa de Chile y Latinoamérica que quiera correr modelos en su propia infraestructura, sin enviar datos a un proveedor externo. Por otro, esas mismas capacidades ciber quedan al alcance de cualquiera con un portátil y unos pocos dólares de cómputo.
El Centro Nacional de Ciberseguridad del Reino Unido ya llamó a las organizaciones a reforzar sus líneas base de seguridad y a apoyarse en defensas potenciadas por IA. Para un negocio en la región, el mensaje operativo es que la ventana de preparación es corta y se acorta cada trimestre.
Análisis de Revenue Hub
Para un líder comercial o de tecnología en Chile y Latinoamérica, este estudio ordena dos conversaciones que suelen ir separadas. La primera es de costos: el precio de un modelo con desempeño casi de frontera está cayendo de forma abrupta, y eso reabre la pregunta de qué se justifica pagar por token cuando existe una alternativa abierta a una fracción del precio. La decisión ya no es solo técnica, es de estructura de costos.
La segunda es de riesgo. Si las capacidades de ciberataque se democratizan, la seguridad deja de ser un tema del área de TI para volverse parte del caso de negocio de cualquier despliegue de IA. Antes de conectar un agente al CRM o a los sistemas de ventas conviene definir qué modelo lo alimenta, dónde corre y cómo se audita. Es la misma lógica de gobernanza de datos que trabajamos en RevOps; puedes seguir esta discusión en nuestra sección de noticias de IA en ventas y en el blog de Revenue Hub.
Fuente y criterio editorial
Revenue Hub resume, contextualiza y analiza esta información para equipos B2B de Chile y Latinoamérica. La publicación original pertenece a AI Security Institute (AISI).
Leer la fuente originalPara profundizar
Preguntas frecuentes
¿Qué encontró el estudio del AISI sobre los modelos de IA de peso abierto?
Que los modelos abiertos GLM-5.2 y DeepSeek V4-Pro alcanzan hoy capacidades de ciberseguridad que los modelos cerrados de frontera tenían hace 4 a 7 meses. Esa brecha es más estrecha que los 6 a 10 meses que el AISI medía durante casi todo 2025.
¿Qué son los modelos de IA de peso abierto?
Son modelos cuyos parámetros cualquiera puede descargar, ejecutar y modificar en su propia infraestructura, sin depender del proveedor. Ofrecen privacidad y menor costo, pero también dificultan aplicar medidas de seguridad una vez liberados.
¿Cuánto más baratos son los modelos abiertos que los cerrados?
Según el AISI, una prueba de 100 millones de tokens costó unos 85 dólares con Opus 4.5 o 4.6, cerca de 46 dólares con GLM-5.2 y apenas 1,19 dólares con DeepSeek V4-Pro. Por tarea individual, DeepSeek V4-Pro costó 28 centavos frente a los 12,50 dólares de Opus 4.5.
GLM-5.2 vs Opus 4.6: ¿cuál es más capaz en ciberseguridad?
En las tareas ciber acotadas del AISI, GLM-5.2 rinde de forma comparable a Opus 4.6, un modelo cerrado publicado unos cuatro meses antes. En los rangos autónomos de ataque, GLM-5.2 llega tan lejos como Opus 4.5, cerca de siete meses atrás.
¿Por qué es riesgoso que se cierre la brecha de capacidades ciber?
Porque la brecha funciona como una ventana de preparación para los defensores. Si las capacidades de ciberataque de frontera pasan a modelos abiertos sin resguardos, quedan al alcance de casi cualquiera, y el tiempo para reforzar defensas se reduce.
¿Los modelos abiertos tienen medidas de seguridad efectivas?
El AISI encontró que en gran parte no. Los resguardos como el filtrado o el bloqueo de usuarios dependen de controlar el acceso al modelo, algo imposible una vez que los pesos son públicos. DeepSeek V4-Pro rechazaba algunas tareas, pero bastaba reintentar para saltarse el bloqueo.
¿Qué implica el estudio para las empresas de Chile y Latinoamérica?
Que la IA cercana a la frontera se vuelve barata y accesible, lo que abarata la experimentación, pero también democratiza capacidades de ciberataque. La recomendación operativa es reforzar las líneas base de seguridad antes de escalar despliegues de IA.
¿El AISI evaluará a Kimi K3?
Sí. El instituto anticipó que probará el modelo abierto Kimi K3 de Moonshot con la misma metodología una vez que se publiquen sus pesos, previstos para fines de julio de 2026, para medir si la brecha con la frontera vuelve a cambiar.
