Los modelos pequeños de IA podrían estar a pocos meses de copiarse solos entre aparatos del hogar. Investigadores del Frontier Red Team de Anthropic publicaron esa advertencia el 12 de octubre. El escenario que describen no necesita un centro de datos: basta una red de dispositivos domésticos conectados y con pocas defensas.
De acuerdo con lo informado por Anthropic, los modelos de 30.000 millones de parámetros o menos completan por separado varios pasos de la replicación. Fallan cuando deben encadenarlos de principio a fin. En evaluaciones simplificadas, el modelo abierto GLM-5.2 sí completó el ciclo entero. Si los modelos pequeños mantienen su ritmo de mejora, alcanzarían ese nivel a fines de 2026.
El trabajo se concentra en la inferencia. Antes de copiarse, los modelos pequeños de IA deben reconocer el hardware, levantar un servidor y repetir el proceso desde ahí. Los autores simplificaron la intrusión a propósito en las pruebas.
Qué mostraron los modelos pequeños de IA en las pruebas
Los investigadores compraron 15 cajas de Android TV de marcas blancas, de unos 55 dólares cada una. Repartieron entre ellas el modelo Gemma4-26B y lo hicieron funcionar en conjunto. La velocidad fue de menos de medio token por segundo. Esa cifra alcanza para mostrar que el hardware barato sostiene un modelo capaz.
Un modelo grande se puede partir en pedazos que corren en máquinas distintas. Los autores mencionan refrigeradores, hornos y aspiradoras inteligentes como candidatos naturales. También cámaras de seguridad y equipos de videoconferencia, que ya traen chips de IA incorporados. Cuanto más cómputo llega al hogar, más blancos aparecen.
Para probar el ciclo completo, armaron una red cerrada de ocho nodos con Android 15. El gusano saltaba de un nodo a otro por un puerto sin autenticación. GLM-5.2 llegó a los ocho nodos en cuatro de cinco intentos. Un modelo de 9.000 millones de parámetros logró levantar inferencia en ocho de nueve tipos de hardware distintos.
Cada copia heredaba notas de la anterior, con los intentos y los errores. Con ese mecanismo, la tasa de éxito de un modelo de 9.000 millones pasó de 45 % a entre 61 % y 84 %. Darle acceso a un modelo de frontera como asesor no mejoró el resultado: el pequeño no sabe qué preguntar.
Por qué un replicador sería difícil de apagar
Un gusano así no tiene un punto central que se pueda apagar. Cada copia vive en un aparato distinto y el conjunto sigue en pie. A diferencia del malware tradicional, además, puede deducir por su cuenta cómo funcionan aparatos que nunca vio.
La propagación sería lenta: cada copia tarda días, no minutos. Levantar el servicio completo toma entre 28 y 51 horas para un modelo de 9.000 millones. Anthropic calculó que una flota del tamaño de Kimwolf, un botnet que llegó a más de dos millones de aparatos, alojaría unas 133.000 copias. Ese enjambre equivaldría a menos de 40 tarjetas H100.
Los botnets anteriores dependían de un tipo de aparato. Kimwolf, por ejemplo, apuntaba a televisores Android. Un enjambre con IA no se ata a una marca ni a un sistema. Los autores esperan que use la replicación por pesos como una táctica entre varias.
Los investigadores todavía no vieron un replicador autónomo completo. Ven «señales de vida» y piden endurecer los aparatos antes de que el escenario madure. Entre las defensas que proponen están los registros de anomalías de tráfico y los dispositivos trampa. La cuarentena de la red del botnet Mirai borró el 92 % de las infecciones en dos semanas.
También apuntan a los fabricantes. Los aparatos domésticos suelen salir de fábrica con contraseñas débiles. En el Reino Unido, esas claves por defecto ya no cumplen la norma. Bajar la tasa de contagio por debajo de un aparato por infectado bastaría para que el gusano se extinga.
Otras fuentes consultadas: Technology.org (13/10/2026); The Next Web (12/10/2026); AI Weekly (12/10/2026); aVenture (12/10/2026).
