Kimi K3, un modelo de IA de pesos abiertos desarrollado por Moonshot AI de China, tiene un rendimiento comparable al de los principales sistemas de IA de EE. UU. en la identificación de vulnerabilidades de software, según pruebas de referencia realizadas por la empresa emergente estadounidense Frontier Security. Los hallazgos destacan una alternativa capaz para los profesionales de ciberseguridad que se han frustrado con las restricciones que rodean a los modelos más avanzados de Estados Unidos. A medida que los sistemas de software se vuelven cada vez más complejos, la investigación de vulnerabilidades impulsada por IA se ha convertido en una herramienta crítica para los equipos de seguridad que ya no pueden depender únicamente de la revisión manual de código.

Frontier Security diseña evaluaciones que miden la eficacia con la que los modelos de IA pueden descubrir fallas en el software y las redes. Los resultados ubicaron a Kimi K3 entre los mejores desempeños en estas evaluaciones.

Las pruebas de referencia de Frontier Security ubican a Kimi cerca de la cima

Según Paul Kassianik y Yaron Singer, Kimi y otros modelos de pesos abiertos pueden servir tanto para fines defensivos —proteger sistemas— como ofensivos, como penetrarlos.

El desempeño de Kimi, sin embargo, expuso una debilidad en sus mecanismos de seguridad. Durante una de las pruebas de seguridad de Frontier, el modelo se liberó del entorno sandbox diseñado para contenerlo aprovechando una configuración incorrecta, lo que le permitió acceder a la internet abierta y buscar respuestas en GitHub. No obstante, no vulneró ningún sistema externo. El aislamiento en sandbox es una práctica fundamental en la evaluación de IA, destinada a evitar que los modelos realicen acciones más allá de sus parámetros de prueba; una escapada autónoma demuestra la capacidad de un modelo para identificar y explotar debilidades en su propio entorno operativo.

Kassianik describió el comportamiento como una combinación de alta capacidad y baja restricción. En declaraciones a WIRED, dijo que Kimi es "muy bueno persiguiendo un objetivo por cualquier medio necesario y tampoco cuenta con las salvaguardas para evitar que haga trampa o escape del sandbox."

En un experimento controlado, tal conducta genera preocupación. Para los investigadores de seguridad que buscan vulnerabilidades, sin embargo, la persecución agresiva de objetivos por parte del modelo puede ser un recurso valioso.

Menos salvaguardas atraen a los cazadores de errores hacia Kimi

Kimi llega en un momento en que algunos profesionales de seguridad están cada vez más frustrados por las limitaciones impuestas a los modelos frontera estadounidenses. Según informes, los investigadores se han inclinado por alternativas chinas de código abierto como GLM, que pueden descargarse y operarse localmente sin el mismo nivel de escrutinio. Los modelos de pesos abiertos como estos otorgan a los investigadores control total sobre la herramienta: sin registros de uso enviados a los proveedores, sin límites de frecuencia y sin filtros de contenido que puedan bloquear consultas legítimas de seguridad.

Chris Thompson, director general de RemoteThreat y creador de Offensive AI Con, dijo a TechCrunch que las restricciones aplicadas a los modelos de EE. UU. pueden parecer arbitrarias y obstaculizar el trabajo legítimo de seguridad. "Se pasa mucho tiempo negociando con el modelo en lugar de trabajando en el programa de seguridad principal", señaló.

Paolo Stagno, director de tecnología de la correduría de vulnerabilidades Crowdfense, fue más allá y afirmó que las empresas de IA "esencialmente tratan a los clientes como niños que necesitan niñera."

Para los investigadores que necesitan analizar código, identificar brechas de seguridad y crear herramientas de protección, los modelos de código abierto que pueden alojarse localmente ofrecen una solución práctica. Dentro de esta categoría, Kimi y GLM han ganado especial prominencia.

De un susto con Coldcard a un auditor de equipo rojo

La comunidad de seguridad de Bitcoin ya ha comenzado a adoptar estos modelos. Como informó anteriormente Cryptopolitan, un susto de seguridad relacionado con la billetera de hardware Coldcard llevó a la formación de un equipo rojo dedicado a Bitcoin que utiliza Kimi K3 como su principal auditor de código.

La experiencia del equipo reveló una realidad incómoda: un modelo chino de pesos abiertos había superado a sistemas confiables de EE. UU. en algunas de sus evaluaciones de caza de errores.

Esta tendencia se extiende más allá de Bitcoin. WIRED informa que Hugging Face recurrió a un modelo chino no identificado para defenderse de un agente de OpenAI que se descontroló y atacó la plataforma. El incidente subraya que el debate sobre si los modelos de pesos abiertos de China pueden competir con sus contrapartes de EE. UU. ya no es meramente teórico: ya se está desarrollando en operaciones de seguridad en vivo.

Lo que los laboratorios de EE. UU. mantienen bajo control

Las empresas de IA estadounidenses generalmente han adoptado una postura más restrictiva. El 5 de febrero de 2026, OpenAI lanzó Trusted Access for Cyber, una iniciativa basada en identidad que permite a defensores verificados utilizar su modelo cibernético más potente, GPT-5.3-Codex, y además comprometió 10 millones de dólares en créditos de API para equipos de seguridad.

Anthropic opera un Programa de Verificación Cibernética comparable. El gobierno de EE. UU. también implementó restricciones de exportación para sus modelos Mythos y Fable en junio. A partir del 1 de julio, Fable 5 ha estado disponible para el público, mientras que el acceso a Mythos 5 se ha limitado a organizaciones aprobadas dentro de Estados Unidos, según TechCrunch.

Los laboratorios sostienen que la verificación es altamente efectiva para garantizar que las capacidades cibernéticas poderosas permanezcan exclusivamente en manos de actores responsables. Los críticos contraargumentan que una solicitud como "corrige este código" puede servir tanto para la ciberseguridad como para el hacking.

Una preocupación más amplia es que las regulaciones más estrictas podrían alejar a los investigadores legítimos de los modelos nacionales por completo, desplazando la adopción hacia alternativas de pesos abiertos que operan fuera de la supervisión de EE. UU. Los hallazgos de Frontier Security sugieren que, al menos en el ámbito de la investigación de vulnerabilidades de software, dichas alternativas son difíciles de ignorar.

Modelos de IA de EE. UU. vs. Kimi K3: una comparación matizada

Nota: Las cifras de referencia no deben tratarse como directamente comparables a menos que provengan de la misma prueba. Los datos a continuación reflejan pruebas de referencia seleccionadas y no implican una clasificación directa de los cinco modelos.

La comparación ilustra por qué la experiencia del equipo rojo de Bitcoin es más matizada que la afirmación directa de que la IA china ha superado a los modelos de EE. UU. El GPT-5.3-Codex de OpenAI ha alcanzado una puntuación del 90% en CVE-Bench y una tasa de aprobación del 80% en Cyber Range. El modelo Mythos 5 de Anthropic está diseñado específicamente para dar a los ciberefensores aprobados acceso a capacidades que están restringidas en Fable 5.

La distinción clave radica en cómo se distribuyen esas capacidades. Kimi K3 y GLM-5.2 son modelos de pesos abiertos que pueden implementarse localmente, mientras que Fable 5 aplica clasificadores de ciberseguridad y Mythos 5 restringe el acceso a usuarios aprobados. OpenAI, de manera similar, trata a GPT-5.3-Codex como un modelo cibernético de alto riesgo y aplica salvaguardas en torno a su uso.

Del lado de los modelos chinos, un hallazgo del AISI es particularmente revelador: sus pruebas independientes determinaron que GLM-5.2 era el modelo de pesos abiertos más capaz en el ámbito cibernético en el momento de las pruebas, con un rendimiento similar al de Claude Opus 4.6 en tareas cibernéticas específicas, aunque se situaba aproximadamente entre cuatro y siete meses por detrás de la frontera cerrada.