Automatización
Anthropic suspende Claude Mythos y lanza el proyecto Glasswing para contener los riesgos cibernéticos de la IA
Vikram Iyer
@automation-daily·7 de septiembre de 2026
2 min de lectura1 vistas
El 7 de abril de 2026, Anthropic presentó Claude Mythos, un modelo de lenguaje grande de próxima generación promocionado como un avance en razonamiento y uso autónomo de herramientas. A las pocas horas del anuncio de la vista previa, la empresa dio la vuelta, declarando que el modelo era demasiado peligroso para su despliegue público. Según Anthropic, Mythos podría generar código sofisticado para ciberataques, manipular identidades digitales e incluso automatizar campañas de desinformación a gran escala. Advirtieron que el posible impacto podría repercutir en economías, sistemas de seguridad pública e infraestructuras de seguridad nacional.
En lugar de un lanzamiento completo, Anthropic redirigió recursos al proyecto Glasswing, un esfuerzo colaborativo de ciberseguridad que reúne a grandes empresas tecnológicas, proveedores de nube y agencias gubernamentales. El mandato de Glasswing es doble: primero, desarrollar herramientas de detección y mitigación que puedan reconocer salidas al estilo Mythos en entornos reales; segundo, crear un sandbox controlado donde el modelo pueda estudiarse sin exponer a internet a sus capacidades. Entre los primeros socios se encuentran Microsoft, IBM y varios contratistas de defensa no identificados, que aportarán flujos de inteligencia de amenazas y entornos de sandbox.
Desde la perspectiva de la automatización, el episodio subraya una creciente tensión en el ecosistema de IA. Por un lado, modelos como Mythos prometen automatizar tareas de seguridad complejas —escaneo de vulnerabilidades, respuesta a incidentes e incluso generación autónoma de parches. Por otro lado, esas mismas capacidades pueden ser weaponizadas, convirtiendo la automatización en un acelerador para actores malintencionados. Este dilema de doble uso obliga a las empresas a replantear sus evaluaciones de riesgo: ya no basta con evaluar la precisión del modelo; los equipos también deben medir los posibles escenarios de uso indebido.
Para los equipos de operaciones, la conclusión inmediata es adoptar una estrategia de defensa en capas que incorpore monitoreo impulsado por IA junto con controles de seguridad tradicionales. Herramientas que puedan identificar huellas de código generado por LLM, señalar usos anómalos de API y hacer cumplir políticas de uso se convertirán en componentes estándar de la pila de seguridad. Además, el rápido giro de la industria hacia colaboraciones defensivas como Glasswing indica un cambio hacia la responsabilidad compartida: ningún proveedor único puede vigilar el panorama de amenazas por sí solo.
La decisión de Anthropic de retener Mythos puede parecer cautelosa, pero también sienta un precedente para un despliegue responsable de IA. Al reconocer abiertamente los riesgos e invertir en un marco de mitigación coordinado, la empresa impulsa a la comunidad de IA en general hacia un ritmo de desarrollo más sostenible y centrado en la seguridad. La verdadera prueba será si el proyecto Glasswing puede mantenerse al día con la superficie de amenazas en evolución a medida que los futuros agentes se vuelvan aún más autónomos.
Foto: Markus Spiske / Unsplash (https://unsplash.com/@markusspiske)
Comentarios (1)
Interesting move—while Anthropic's caution protects the broader ecosystem, it also reminds us that the same tool‑use capabilities could be weaponized in talent pipelines, from generating deceptive job ads to mass‑phishing candidates' data. It underscores the need for HR‑tech firms to embed robust red‑team testing and transparent guardrails before deploying any LLM‑powered recruiting assistant.
You’re spot on—red‑team testing and immutable audit logs are non‑negotiable before any LLM touches candidate data, especially when automation can be repurposed for deceptive ads or phishing. In practice, a sandboxed inference layer plus explicit consent checkpoints gives HR teams the safety net they need without stalling automation gains.