Anthropic lanza Project Glasswing con $100M en créditos de IA
El 7 de abril de 2026, Anthropic presentó Anthropic Project Glasswing, una iniciativa que reúne a destacados líderes tecnológicos para escanear la infraestructura de software crítico en busca de fallas de seguridad. El proyecto otorga a los equipos de defensa cibernética acceso a un modelo de IA de frontera aún no publicado para hallar y corregir vulnerabilidades antes de que sean explotadas. Para las empresas, esta iniciativa facilita escaneo avanzado de vulnerabilidades y financiamiento para proteger redes corporativas contra amenazas impulsadas por IA.
¿Qué es Anthropic Project Glasswing?
Anthropic Project Glasswing es una iniciativa de ciberseguridad defensiva lanzada el 7 de abril de 2026 para proteger la infraestructura de software crítico mediante inteligencia artificial avanzada. El esfuerzo reúne a Amazon Web Services, Anthropic, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA y Palo Alto Networks. Anthropic destinará hasta $100M en créditos de uso para su nuevo modelo en estas labores, junto con $4M en donaciones directas a organizaciones de seguridad de código abierto. Más de 40 organizaciones adicionales que mantienen infraestructura de software crítico también han recibido acceso para escanear sistemas propios y de código abierto.
Cómo protege el software crítico la ciberseguridad de Project Glasswing
La iniciativa de ciberseguridad de Project Glasswing aborda vulnerabilidades sistémicas de software antes de que actores maliciosos puedan explotarlas a escala global. Las fallas no detectadas amenazan redes corporativas, sistemas de salud, infraestructura energética, centros de transporte y sistemas financieros, con costos anuales de cibercrimen estimados en torno a los $500B globales. A través de esta iniciativa, los socios de lanzamiento integran capacidades de IA de frontera directamente en sus flujos de trabajo defensivos. Anthropic comparte los hallazgos técnicos de estos escaneos para que la industria tecnológica corrija vulnerabilidades y refuerce la infraestructura digital global.
Cómo descubre vulnerabilidades de sistemas la vista previa de Claude Mythos
La vista previa de Claude Mythos es un modelo de IA de frontera no publicado de propósito general con capacidades de programación superiores a las de expertos humanos para identificar fallas de software. En evaluaciones de referencia como CyberGym, el modelo alcanzó una puntuación del 83.1% en reproducción de vulnerabilidades de ciberseguridad, en comparación con el 66.6% obtenido por Claude Opus 4.6. En semanas recientes, el modelo encontró de forma autónoma miles de fallas de alta gravedad en los principales sistemas operativos y navegadores web sin supervisión humana. Las pruebas técnicas revelaron que el modelo desarrolla exploits cada vez más sofisticados, alcanzando capacidades que antes requerían un conocimiento técnico excepcional.
Cómo se identificaron y corrigieron las vulnerabilidades zero day de Claude Mythos
El modelo descubrió varias vulnerabilidades zero day críticas de Claude Mythos en sistemas operativos y librerías de software ampliamente utilizados. En OpenBSD, identificó una falla de 27 años de antigüedad que permitía a atacantes remotos inhabilitar máquinas que ejecutan infraestructura crítica. En FFmpeg, una librería de codificación de video evaluada cinco millones de veces por herramientas automatizadas, el modelo descubrió una falla de seguridad de 16 años de antigüedad. En el núcleo de Linux, el modelo halló y encadenó autónomamente múltiples vulnerabilidades para escalar el acceso hasta el control total del sistema. Anthropic reportó estas fallas a los encargados del mantenimiento del software, y todas han sido corregidas con éxito.
Cómo se expande el escaneo de vulnerabilidades de IA de Anthropic con el Cyber Verification Program
Las capacidades de escaneo de vulnerabilidades de IA de Anthropic se están ampliando mediante un marco de acceso extendido para profesionales de seguridad calificados. El 6 de octubre de 2026, Anthropic expandió su Cyber Verification Program en tres niveles distintos, lo que permite a los equipos de seguridad elegir el nivel de acceso adecuado para su trabajo. Estos niveles ofrecen clasificadores de bloqueo reducidos y acceso a modelos como Claude Opus 5.5, Claude Sonnet 5.5 y Claude Mythos 5.1. Los miembros existentes de Project Glasswing pasan directamente al nivel de Acceso Especializado del programa bajo este marco actualizado.
Qué cambia para los equipos de seguridad empresarial
Para los equipos de seguridad empresarial, Project Glasswing proporciona mecanismos de defensa impulsados por IA que identifican y reparan fallas complejas de software a una velocidad sin precedentes.
- Acelera la detección de fallas en sistemas de hardware y software antes de que los atacantes las exploten.
- Reduce el tiempo de auditoría manual de código al reemplazar años de revisión manual con escaneo autónomo por IA.
- Protege tanto el código propietario de primera parte como las dependencias de software libre sin carga adicional de ingeniería.
- Otorga hasta $100M en créditos de uso para ayudar a las organizaciones a desplegar modelos de frontera en defensa activa.
Preguntas y respuestas
¿Qué es Project Glasswing de Anthropic?
Project Glasswing de Anthropic es una coalición de ciberseguridad formada el 7 de abril de 2026 por Anthropic junto a líderes tecnológicos como AWS, Apple, Google, Microsoft, CrowdStrike y Cisco. La iniciativa despliega modelos de IA de frontera para encontrar y reparar vulnerabilidades zero day en infraestructura crítica de software empresarial y de código abierto antes de que sean explotadas por adversarios.
¿Cómo encuentra Claude Mythos vulnerabilidades de software?
Claude Mythos encuentra vulnerabilidades de software al leer y razonar sobre el código de forma autónoma sin guía humana. Logra una puntuación de reproducción del 83.1% en la prueba de referencia CyberGym al analizar estructuras de código, identificar fallas de larga data que sobrevivieron a años de pruebas automatizadas y encadenar debilidades para probar las defensas del sistema.
¿Qué empresas participan en Project Glasswing?
Las organizaciones participantes incluyen Amazon Web Services, Anthropic, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA y Palo Alto Networks, junto con más de 40 desarrolladores adicionales de software.
¿Cómo pueden los equipos de seguridad empresarial acceder a Claude Mythos para ciberdefensa?
Los equipos de seguridad empresarial pueden solicitar acceso a través del Anthropic Cyber Verification Program, que ofrece niveles de acceso especializado y clasificadores de bloqueo reducidos para investigadores de seguridad calificados y encargados de infraestructura.
La visión de MOZGII
Cómo lo construiríamos
Si construyéramos un escáner defensivo de código como este, conectaríamos el modelo avanzado directamente a los repositorios de código y crearíamos entornos de prueba automatizados para los parches candidatos. Introduciríamos el código fuente, el historial de cambios y los scripts de compilación en un entorno aislado donde el modelo intente activar fallos. La intervención humana seguiría siendo necesaria en la etapa de revisión. Los investigadores de seguridad verificarían cada falla propuesta y validarían la solución sugerida antes de que los encargados del mantenimiento del código integren cualquier parche.
Esta arquitectura colapsaría si el modelo produce un gran volumen de falsos positivos o crea correcciones de código que rompen dependencias adyacentes. La generación automatizada de exploits puede saturar fácilmente a los equipos de evaluación con hallazgos creíbles pero no explotables. La única métrica que habría que vigilar sería el tiempo promedio desde la detección de la falla hasta el despliegue del parche verificado.
Luego, crearíamos suites de regresión automatizadas que generen pruebas unitarias sintéticas junto con cada parche. Esa adición permitiría a los encargados del mantenimiento confirmar que una solución de seguridad no introduzca problemas de rendimiento ni altere el comportamiento del programa existente.
Fuentes
De dónde salen los datos de esta nota.