OpenAI informó el 4 de noviembre de 2026 que un prototipo de canal de investigación de vulnerabilidades, impulsado por uno de sus modelos cibernéticos inéditos, descubrió y utilizó como arma 948 vulnerabilidades únicas de escalada de privilegios locales en el kernel de Linux durante una investigación a mediados de octubre. Según el artículo de la compañía, cubierto en detalle por Unite.AI y The Hacker News, el mismo canal también generó parches candidatos para cada hallazgo y entregó el paquete completo a revisores humanos para su distribución a los mantenedores del kernel.
Cada una de las fallas, si se confirma, permitiría a un usuario local sin privilegios obtener acceso root en una máquina vulnerable: el tipo de error que, en los sistemas que ejecuta Linux, es una condición de fin del juego. El objetivo era que Linux fuera el objetivo: OpenAI lo eligió porque el kernel abarca más de 40 millones de líneas de código y sustenta los teléfonos Android, la infraestructura de la nube y las supercomputadoras, lo que lo convierte en la base de código más importante con la que se puede probar un investigador automatizado. Para más contexto sobre esta historia, consulta nuestra actualidad de inteligencia artificial.
Cómo funciona el oleoducto
El sistema encadena varias etapas: descubrimiento de vulnerabilidades, validación dinámica, evaluación de explotabilidad, generación de parches y, finalmente, revisión humana. OpenAI describe tres clases de agentes que hacen el trabajo preliminar. Los agentes de exploración eligen objetivos de auditoría en función de qué tan accesible es el código desde contextos con pocos privilegios y qué tan relevante para la seguridad parece. Los agentes analistas escanean esos objetivos en busca de errores candidatos. Luego, los agentes de clasificación crean y perfeccionan pruebas de concepto dentro de máquinas virtuales que ejecutan núcleos equipados con Kernel Address Sanitizer, preservando la evidencia en tiempo de ejecución en lugar de confiar únicamente en el análisis estático.
Cada paquete de investigación completado contiene cuatro artefactos: un análisis de la causa raíz, una prueba de concepto mínima de fallas, un parche candidato y un exploit en pleno funcionamiento. OpenAI fue explícito en que las pruebas no se realizaron contra un objetivo deliberadamente debilitado: las máquinas virtuales ejecutaron una configuración de escritorio estándar con las mitigaciones SMEP, SMAP, KASLR y HARDENED_USERCOPY habilitadas.
Los números detrás de la carrera
La escala del barrido es la historia. Los agentes exploradores seleccionaron 5.034 objetivos de auditoría que cubrían aproximadamente 2,8 millones de líneas de código, aproximadamente el 7 por ciento del núcleo. Los agentes analistas produjeron 2.308 hallazgos de candidatos deduplicados en 12 horas. Luego, la validación dinámica reprodujo 1.724 de esas vulnerabilidades en un período de 30 horas, y OpenAI dice que solo el 3,1 por ciento de los hallazgos supervivientes reflejaron un análisis de modelo incorrecto.
La etapa de explotación convirtió la validación en armas: 291 pruebas de concepto de fuga de información y 1.169 explotaciones de escalada de privilegios locales en funcionamiento, según OpenAI. El análisis de variantes (mutación de un error confirmado para encontrar instancias hermanas de la misma clase de falla) produjo 948 parches distintos, y OpenAI usa esa cifra como su recuento principal de errores únicos de escalada de privilegios. Es por eso que el recuento bruto de exploits y la cifra de 948 no coinciden. La compañía también advirtió que las correcciones generadas siguen siendo candidatas a revisión por parte del mantenedor, no a parches fusionados.
Un resultado casi se escapa
El informe es inusualmente sincero sobre lo que estuvo a punto de ocurrir. En una ejecución inicial, OpenAI descubrió que 20 de 200 exploits exitosos reportados habían obtenido raíz a través de un día cero diferente al de la vulnerabilidad que se les asignó, lo que significa que un shell de raíz por sí solo habría ocultado la discrepancia. La empresa endureció las restricciones de las tareas y, en respuesta, agregó una verificación independiente de la ruta de cada exploit. Es un detalle que importa: a esta escala, un sistema automatizado puede producir resultados técnicamente correctos por razones equivocadas, y sólo la verificación explícita de la ruta lo detecta.
El coste por exploit cae drásticamente
La propia comparación de ejecuciones de OpenAI muestra qué tan rápido se está moviendo la economía. La ejecución de mediados de octubre costó 1,213 millones de dólares en créditos API: 1,279 dólares por error único de escalada de privilegios. Una ejecución a finales de julio de 2026 utilizando el modelo GPT-5.6 Sol costó 513.690 dólares y produjo 166 errores únicos, lo que equivale a aproximadamente 3.100 dólares por exploit. Esto representa un aumento de más de cinco veces en los hallazgos novedosos en tres meses (un período, señala OpenAI, en el que el núcleo continuó fortaleciéndose) a menos de la mitad del costo unitario. La empresa presenta sus cifras de costos como límites superiores, ya que las tiradas se crearon para medir la capacidad en lugar de optimizar el gasto.
Una ejecución de kernelCTF adaptada por separado produjo 25 pruebas de concepto de fuga de información y 21 exploits durante 112 horas por aproximadamente $32,936 en créditos API. OpenAI señaló que la cifra de recompensa de aproximadamente $ 1,5 millones adjunta a esa ejecución está condicionada a que se acepten las 21 vulnerabilidades, no a un premio anunciado: las reglas kernelCTF de Google pagan $ 71,337 por exploit elegible, requieren al menos un 70 por ciento de estabilidad en 20 ejecuciones y limitan las recompensas a los envíos calificados de día cero.
Diez técnicas que los expertos no habían visto
Entre una muestra de 166 exploits revisada por el equipo de OpenAI y expertos externos en explotación del kernel, diez técnicas se consideraron genuinamente nuevas. La empresa nombró algunos: objetos elásticos persistentes, limpieza de páginas, escalada de privilegios de solo datos y confusión de tipos arbitrarios. Se retienen todos los detalles técnicos por razones de seguridad, un reconocimiento de que el mismo manual, publicado, sería inmediatamente útil para los atacantes.
Desde el amanecer hasta parchear el planeta
La carrera es una escalada del trabajo que OpenAI comenzó a principios de 2026. La iniciativa Daybreak, lanzada con la firma de seguridad Trail of Bits el 22 de junio de 2026, combina la investigación de vulnerabilidades asistida por IA con la revisión de expertos, al tiempo que deja a los mantenedores el control de la implementación y divulgación de parches. Ese esfuerzo anterior informó 24 exploits de escalada de privilegios y ocho pruebas de concepto de fuga de información de puntero del kernel de su trabajo GPT-5.5 Cyber Linux, una fracción del recorrido de este mes.
OpenAI dice que ya ha enviado cientos de informes y parches para vulnerabilidades críticas a los mantenedores, y el resto se distribuirá gradualmente a través de los socios de Patch the Planet. También insta a los mantenedores a revalidar los hallazgos con el código actual, ya que el escaneo de octubre encontró 61 errores ya parcheados, 43 con parches de prueba pendientes y 299 que habían sido reportados o discutidos públicamente, evidencia de que los desarrolladores del kernel habían estado encontrando algunos de los mismos fallos a mano incluso cuando el modelo los pasó por alto.
Qué significa para la seguridad del kernel
El cuello de botella, tal como lo plantea OpenAI, está cambiando. Generar pistas de vulnerabilidad se está volviendo barato y casi ilimitado; los escasos recursos ahora están probando rutas de explotación, manteniendo los hallazgos actualizados frente a una base de código en movimiento y produciendo correcciones que los mantenedores están dispuestos a fusionar. La verificación independiente y la revisión humana, que detectaron tanto el error de día cero como los problemas de calidad en los primeros parches generados automáticamente, son los que determinan si la investigación automatizada a esta escala se convierte en un trabajo defensivo utilizable o simplemente en un nuevo tipo de carga de informes para los encargados de mantenimiento sobrecargados.
Para los defensores, el mensaje es incómodo pero claro: el mismo conducto que redacta los parches candidatos puede brindarle a un adversario capaz miles de puntos de partida. La carrera ahora es entre las personas que fusionan las correcciones y cualquiera que logre reproducir los exploits por su cuenta.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
