Mythos: una mirada al potencial de Claude y la IA general en el descubrimiento de vulnerabilidades
Por Andrea Marcotulli | Especialista en Ciberseguridad y Tecnologia Comercial
El 7 de abril de 2026, Anthropic anunció Claude Mythos Preview y con él, una nueva era para la ciberseguridad: un modelo de IA de propósito general capaz de descubrir y explotar vulnerabilidades zero-day de forma completamente autónoma, a una velocidad y escala que ningún equipo humano podría igualar. Lo que hasta hace poco era ciencia ficción es hoy un hecho documentado que está redefiniendo la relación entre la inteligencia artificial y la seguridad del software.
El panorama de la ciberseguridad lleva años preparándose para un momento así. Los modelos de lenguaje de gran escala han ido ganando terreno en tareas de análisis de código, detección de patrones anómalos y asistencia a equipos de seguridad. Sin embargo, Claude Mythos Preview supone un salto cualitativo sin precedentes: no se trata de una herramienta que asiste a los analistas, sino de un agente que actúa de forma autónoma desde el primer prompt hasta el exploit final.
Anthropic reconoció abiertamente que estas capacidades no fueron diseñadas de manera explícita. Emergieron como consecuencia directa de las mejoras generales del modelo en codificación, razonamiento y autonomía. Este hecho tiene implicaciones profundas: apunta a que la IA general, conforme avanza, desarrolla de forma natural capacidades que antes requerían entrenamiento especializado. Y en ciberseguridad, eso cambia las reglas del juego para atacantes y defensores por igual.
En este artículo analizamos qué es exactamente Claude Mythos, qué ha demostrado ser capaz de hacer en el ámbito del descubrimiento de vulnerabilidades, cómo responde Anthropic con el Proyecto Glasswing, y qué significa todo ello para las organizaciones que operan infraestructuras críticas en España y en todo el mundo.
Qué es Claude Mythos y por qué Anthropic no lo ha lanzado al público
Claude Mythos Preview es el modelo frontier más potente desarrollado hasta la fecha por Anthropic, posicionado por encima del nivel Opus en la familia Claude. A diferencia de sus predecesores, Mythos no está disponible para el público general. La razón es tan directa como inquietante: sus capacidades ofensivas en el ámbito de la ciberseguridad son tan avanzadas que un acceso sin restricciones representaría un riesgo inaceptable.
En los benchmarks de referencia, los resultados son contundentes. En CyberGym, la métrica especializada en detección y explotación de vulnerabilidades, Mythos alcanza el 83,1% frente al 66,6% de Claude Opus 4.6, un salto de más de 16 puntos porcentuales. En SWE-bench Verified, que evalúa la capacidad de resolver bugs reales en repositorios de código abierto, el modelo logra un 93,9%. Y en CTF de nivel experto, tareas que ningún modelo podía completar antes de abril de 2025, Mythos Preview alcanza una tasa de éxito del 73%.
El elemento más revelador del anuncio es la propia declaración de Anthropic: estas capacidades son un producto emergente de mejoras generales en código, razonamiento y autonomía, no el resultado de un entrenamiento específico en hacking. Esto implica que, conforme la IA general continúa evolucionando, la capacidad de operar en dominios de alta complejidad técnica como la seguridad ofensiva se convierte en una propiedad sistémica, no en una excepción.
El tsunami de zero-days: lo que Mythos ha encontrado en semanas
En las semanas previas al anuncio público, el equipo de red team de Anthropic utilizó Mythos Preview para escanear software crítico. Los resultados superaron cualquier expectativa previa y constituyen, posiblemente, la demostración más elocuente de lo que la IA general puede hacer hoy en ciberseguridad.
El hallazgo más emblemático fue el de un fallo de 27 años en OpenBSD, un sistema operativo legendario precisamente por su historial de seguridad, auditado durante décadas por miles de expertos humanos. Mythos lo encontró en menos de mil ejecuciones autónomas y a un coste inferior a 50.000 dólares. En paralelo, identificó una vulnerabilidad de 16 años en FFmpeg, la biblioteca multimedia presente en prácticamente toda la infraestructura de vídeo de internet. Y en FreeBSD, descubrió y explotó autónomamente una vulnerabilidad de ejecución de código remoto de 17 años de antigüedad en el servidor NFS (CVE-2026-4747), que permite obtener acceso root sin autenticación desde cualquier punto de internet.
Más allá de los casos individuales, el alcance es masivo: el modelo identificó miles de vulnerabilidades zero-day críticas en todos los sistemas operativos y navegadores web principales. En algunos casos, construyó cadenas de exploit de alta sofisticación, como un ataque a navegador que encadenó cuatro vulnerabilidades distintas para escapar simultáneamente del sandbox del renderizador y del sistema operativo.
Todo ello de forma completamente autónoma: sin intervención humana tras el prompt inicial. La analogía es precisa: si antes los equipos de seguridad disponían de escáneres de vulnerabilidades, ahora existe una entidad capaz de razonar sobre el código como lo haría el mejor especialista del mundo, pero operando a velocidad de máquina y sin descanso.
Project Glasswing: la respuesta defensiva de Anthropic
Ante un modelo con estas capacidades, Anthropic tomó una decisión sin precedentes en la industria: no lanzarlo al mercado general y canalizar su uso exclusivamente a través de un consorcio de ciberseguridad defensiva al que ha denominado Proyecto Glasswing.
El consorcio reúne a los principales actores tecnológicos del mundo: AWS, Apple, Google, Microsoft, NVIDIA, Cisco, CrowdStrike, JPMorgan Chase, Palo Alto Networks, Broadcom y la Linux Foundation, entre otros, junto con más de 40 organizaciones adicionales que mantienen infraestructura crítica de software. Anthropic ha comprometido hasta 100 millones de dólares en créditos de uso para los socios de Glasswing, más 4 millones de dólares en donaciones directas a organizaciones de seguridad de código abierto.
El objetivo es claro: dar a los defensores una ventana de oportunidad para localizar y parchear vulnerabilidades críticas antes de que actores con intenciones maliciosas desarrollen capacidades equivalentes. Anthropic estima que modelos con capacidades similares a las de Mythos estarán disponibles en el mercado en un plazo de 12 a 18 meses. Las reglas de acceso son estrictas: los socios solo pueden usar el modelo para analizar su propio software o proyectos open source que mantienen, y todas las vulnerabilidades descubiertas siguen un proceso de divulgación coordinada antes de hacerse públicas.
La estrategia recuerda al concepto militar de ventaja asimétrica: aprovechar la capacidad superior de un recurso limitado para reforzar posiciones defensivas antes de que el adversario pueda replicarla. En ciberseguridad, esa ventana puede ser la diferencia entre un ecosistema digital más seguro y un escenario de exploits masivos en infraestructuras que llevan décadas sin actualizarse.
Hallazgos clave de Claude Mythos Preview en ciberseguridad
| Sistema afectado | Vulnerabilidad detectada | Antigüedad / Estado |
|---|---|---|
| OpenBSD | Denegación de servicio remota en pila TCP (SACK) | 27 años / Parcheado |
| FreeBSD (NFS) | RCE unauthenticated, root access (CVE-2026-4747) | 17 años / Parcheado |
| FFmpeg | Corrupción de memoria en códec H.264 (>5M tests omitidos) | 16 años / Parcheado |
| Navegadores principales | Cadena de 4 exploits: escape de sandbox renderer + OS | Zero-day / En proceso |
| Kernel Linux | Escalada de privilegios vía race conditions y KASLR-bypass | Múltiples / En proceso |
El dilema dual: la misma IA que protege puede atacar
La capacidad de Mythos encarna con toda su crudeza el dilema dual-use que define la ciberseguridad moderna: la misma herramienta que permite a un equipo defensivo descubrir y parchear miles de vulnerabilidades puede, en manos equivocadas, convertirse en un vector de ataque de escala sin precedentes.
La evaluación del AISI (AI Security Institute) del Reino Unido confirma que Mythos Preview representa un salto sobre los modelos frontier previos en un contexto en el que las capacidades cibernéticas de la IA ya estaban mejorando rápidamente. En concreto, el informe señala que en entornos controlados, el modelo fue capaz de ejecutar ataques multietapa sobre redes vulnerables y descubrir y explotar vulnerabilidades de forma autónoma, tareas que a profesionales humanos les llevaría días completar.
El estudio de Bain & Company subraya que los sectores de infraestructura crítica como energía, utilities, agua y transporte son especialmente vulnerables. Estos entornos operan habitualmente con sistemas de control industrial con décadas de antigüedad, incapaces de recibir parches de seguridad, bien porque no existen, bien porque aplicarlos pondría en riesgo la continuidad operativa. Son precisamente el tipo de sistemas en los que Mythos demuestra mayor efectividad: codebases complejas y envejecidas con vulnerabilidades latentes que ningún escáner convencional ha detectado jamás.
El NCSC del Reino Unido ha identificado una brecha digital creciente entre las organizaciones que pueden mantener el ritmo de las amenazas habilitadas por IA y las que quedan rezagadas. Esta asimetría no es solo un problema técnico: tiene implicaciones directas sobre la resiliencia de economías, democracias e infraestructuras públicas.
Qué significa la IA general emergente en ciberseguridad
Uno de los aspectos más significativos del caso Mythos es precisamente que sus capacidades en ciberseguridad no fueron planificadas: emergieron. Esto invalida la asunción de que las herramientas de IA peligrosas deben ser deliberadamente construidas para serlo. Conforme los modelos de propósito general mejoran en razonamiento y codificación, la capacidad de operar en dominios de alta complejidad técnica, incluyendo la seguridad ofensiva, aparece de forma natural.
Este patrón tiene una implicación regulatoria y de gobernanza directa: las evaluaciones de seguridad de modelos de IA no pueden limitarse a los casos de uso explícitamente entrenados. Requieren una exploración sistemática de capacidades emergentes en dominios sensibles, incluyendo ciberseguridad, síntesis química y manipulación de información. Es el enfoque que Anthropic está pioneerando con su Frontier Red Team, y que debería convertirse en estándar de la industria.
La velocidad a la que Mythos saturó los benchmarks existentes hasta el punto de hacerlos obsoletos también es reveladora. Cuando un modelo supera el techo de las métricas diseñadas para medirlo, la industria necesita nuevos marcos de evaluación. En este caso, Anthropic ha pivotado hacia tareas de seguridad en el mundo real con vulnerabilidades zero-day, una metodología que otros laboratorios deberán adoptar para mantener evaluaciones significativas.
Implicaciones prácticas para organizaciones y equipos de seguridad
Para la mayoría de organizaciones, el impacto inmediato de Mythos será indirecto pero real. Las vulnerabilidades descubiertas por el modelo en sistemas operativos, navegadores y bibliotecas de código abierto ampliamente utilizadas fluirán, una vez parcheadas, hacia el ecosistema general en forma de CVEs publicados y actualizaciones de firmas. Esto significa que el volumen de hallazgos críticos que los equipos de seguridad deberán gestionar aumentará sustancialmente en los próximos meses.
Un dato que contextualiza la urgencia: un informe de 2025 reveló que, de media, más del 45% de las vulnerabilidades descubiertas en grandes organizaciones permanecen sin parchear tras doce meses. En un escenario donde las capacidades de descubrimiento de la IA van a acelerar el ritmo de publicación de CVEs, esta brecha entre descubrimiento y remediación se convierte en un riesgo existencial para las empresas que no modernicen sus procesos.
Los pasos que los equipos de seguridad deben priorizar son concretos:
- Aplicar los parches de OpenBSD, FreeBSD, FFmpeg y Linux kernel ya publicados como consecuencia de Glasswing.
- Revisar y acelerar los ciclos de parcheo internos: el ciclo promedio de 70 días es inasumible en el nuevo contexto.
- Evaluar herramientas de análisis de código asistidas por IA que ya están disponibles sin necesidad de acceso a Mythos.
- Priorizar la segmentación de red y los controles de detección de anomalías en entornos con sistemas heredados imposibles de parchear. • Seguir de cerca la evolución de Project Glasswing y los informes trimestrales de Anthropic sobre vulnerabilidades identificadas.
Conclusión: el momento Mythos y lo que viene después
Claude Mythos Preview no es simplemente un modelo más potente. Es la primera demostración a gran escala de que la IA general ha alcanzado un nivel de capacidad en el que puede operar de forma autónoma en dominios de complejidad técnica extrema, sin necesidad de entrenamiento especializado previo. En ciberseguridad, eso equivale a decir que la IA puede hoy hacer lo que hasta hace poco solo podían hacer los mejores investigadores del mundo, pero a una velocidad y escala infinitamente superiores.
La respuesta de Anthropic con Project Glasswing es pragmática y responsable: aprovechar esa ventana temporal en la que los defensores tienen acceso a estas capacidades antes que los actores malintencionados. Pero es una solución transitoria. Anthropic estima que modelos con capacidades equivalentes proliferarán en 12 a 18 meses. El reto para la industria, los gobiernos y las organizaciones es claro: usar ese tiempo para reforzar las defensas, modernizar los procesos de gestión de vulnerabilidades y construir un marco de gobernanza que esté a la altura de la era de la IA.
El genie está fuera de la botella. La pregunta ya no es si la IA transformará la ciberseguridad, sino si seremos capaces de orientar esa transformación hacia la defensa antes de que sea demasiado tarde.
