DoGNAVY de China ocupa el tercer puesto en el benchmark global de seguridad de IA, allanando el camino para la seguridad de los agentes

CyberGym, un banco de pruebas de la Universidad de California en Berkeley, clasifica a los agentes de inteligencia artificial según su capacidad para descubrir, verificar y explotar vulnerabilidades de forma autónoma, a partir de 1507 vulnerabilidades reales corregidas en 188 proyectos de código abierto. DoGNAVY, desarrollado por un instituto de investigación de inteligencia artificial de primer nivel en China y DARKNAVY, logró una tasa de éxito del 90,8% (1369 tareas), ocupando el tercer lugar a nivel mundial detrás de Microsoft con MDASH (92,0%) y Wiz×Google DeepMind con Atlas (90,9%), y superando a OpenAI GPT-5.5-Cyber (85,6%) y Anthropic Claude Mythos (83,1%). Los dos primeros sistemas dependen de enrutar las tareas hacia los modelos de código cerrado con mejor rendimiento, lo que plantea desafíos de disponibilidad y costo para los equipos chinos. En contraste, DoGNAVY utiliza un único modelo de código abierto, GLM-5.2 de Zhipu, que se puede descargar libremente desde Hugging Face. DoGNAVY emula el flujo de trabajo de los investigadores de seguridad de élite mediante un flujo de trabajo estructurado, análisis de alcanzabilidad de vulnerabilidades, bucles de retroalimentación estático-dinámica y una base de conocimientos de experiencia en investigación de seguridad independiente de la plataforma. La arquitectura del sistema incluye AgentDoG, un marco de seguridad de código abierto que diagnostica el comportamiento del agente, identifica las fuentes de riesgo y explica las motivaciones de las decisiones. El entrenamiento de AgentDoG utiliza un mecanismo de selección inteligente para elegir muestras clave y purificación de datos, lo que resulta en un modelo pequeño con una precisión del 78,4% en tareas complejas de identificación de riesgos, comparable a los mejores modelos. Este logro demuestra que con modelos de código abierto y experiencia en seguridad del mundo real, China puede manejar las tareas de seguridad más desafiantes, haciendo que las capacidades avanzadas de seguridad de inteligencia artificial sean más accesibles.