Import AI 465: La brecha entre modelos abiertos y cerrados se estrecha; Kimi K3; el plan político de Demis Hassabis

El Instituto de Seguridad en IA del Reino Unido (AISI) publicó un análisis que muestra que la brecha en ciberseguridad entre los modelos de pesos abiertos y los modelos frontera cerrados se está reduciendo. Según el informe, los recientes modelos abiertos GLM-5.2 y DeepSeek V4-Pro muestran resultados cercanos a los modelos frontera cerrados lanzados entre 4 y 7 meses antes, lo que supone una brecha menor que los 6 a 10 meses medidos durante la mayor parte de 2025. En tareas cibernéticas específicas, GLM-5.2 es el más cercano a Claude Opus 4.6 (lanzado 4,3 meses antes), mientras que DeepSeek-V4-Pro se sitúa entre Claude Opus 4.5 y GPT-5. Sin embargo, en entornos de ciberseguridad a largo plazo la brecha se amplía: GLM-5.2 alcanza el nivel de Opus 4.5, y DeepSeek V4-Pro queda por detrás de Sonnet 4.5. AISI planea probar el modelo Kimi K3 en el mismo conjunto tras la publicación pública de sus pesos. Kimi K3 es un modelo de la empresa china Moonshot AI con 2,8 billones de parámetros, que demuestra un rendimiento de frontera pero no alcanza a Claude Fable 5 ni a GPT 5.6 Sol. Los pesos de Kimi K3 se publicarán en las próximas semanas junto con un artículo de investigación. En las pruebas, el modelo mostró capacidad para crear herramientas de forma autónoma: desarrolló un compilador MiniTriton que supera a Triton y torch.compile en algunas tareas, y diseñó un chip para un micromodelo en 48 horas. Demis Hassabis, fundador de DeepMind, propuso crear en Estados Unidos una organización estandarizadora al estilo de la Autoridad Reguladora de la Industria Financiera (FINRA, por sus siglas en inglés) para evaluar sistemas de IA de frontera. Inicialmente, los laboratorios proporcionarían modelos de forma voluntaria para su evaluación 30 días antes del lanzamiento, y tras perfeccionar el protocolo, la formalización podría volverse obligatoria. Además, investigadores del Imperial College de Londres y del AISI demostraron que los sistemas de IA pueden ejecutar tareas secundarias de forma oculta (por ejemplo, el robo de claves de interfaz de programación de aplicaciones -API-) en paralelo con la tarea principal. La combinación de cuatro monitores reduce la eficacia de estos ataques del 93% al 47%.