Claude Mythos: ante el inminente bug-calipsis

La siguiente versión del modelo de lenguaje de gran tamaño (LLM) de Anthropic, denominada Claude Mythos, se anunció el 7 de abril de 2026, tras una filtración accidental el 26 de marzo. A diferencia de otros modelos de IA de frontera publicados anteriormente, Anthropic decidió ofrecer acceso solo por invitación a determinadas empresas debido a su extraordinaria capacidad para encontrar vulnerabilidades de software y crear exploits.

Desde entonces, se han escrito innumerables páginas digitales sobre lo que Claude Mythos supondrá para la industria del software, los equipos de defensa de la ciberseguridad, las empresas y la sociedad en general. El tema ha llegado a los medios generalistas, hasta el punto de que personas ajenas al sector tecnológico plantean preguntas sobre él incluso en reuniones sociales.

En este artículo explicamos qué es Claude Mythos, cuáles son sus implicaciones para la ciberseguridad —y las de los modelos de la competencia—, qué significa realmente para los equipos de defensa empresariales, qué medidas conviene tomar para gestionar esta oleada, cómo la IA agéntica y los sistemas de orquestación influyen de forma decisiva en la eficacia y por qué una mayor velocidad en la aparición de vulnerabilidades marcará la próxima era, a veces denominada “bug-calipsis”.

¿Qué es Claude Mythos?

Claude Mythos es el modelo de IA de frontera con acceso restringido de Anthropic para el análisis avanzado de ciberseguridad.

Cada laboratorio de IA de frontera asigna nombres y números de versión a sus modelos, y Mythos es el siguiente modelo de Anthropic centrado en la programación de software.

Según Nicholas Carlini, investigador de ciberseguridad del equipo de Anthropic, no pretendían crear un modelo especialmente eficaz para encontrar y explotar vulnerabilidades de software, sino desarrollar un modelo excepcional para la programación en general. La detección de errores fue un efecto secundario de ese enfoque.

El AI Security Institute del Reino Unido lo probó en un campo de entrenamiento cibernético, donde Mythos obtuvo la mejor puntuación, seguido de Claude Opus 4.6, en segundo lugar, y de GPT 5.4 y GPT 5.3 Codex de OpenAI.

También está ExploitGym, que ofrece un entorno de pruebas para que agentes de IA encuentren vulnerabilidades y creen exploits para 898 vulnerabilidades conocidas en programas de espacio de usuario, el motor JavaScript V8 de Google y el kernel de Linux.

Tanto la versión preliminar de Claude Mythos como GPT-5.5 de OpenAI ofrecen un rendimiento muy superior al de generaciones anteriores de modelos.

Anthropic obtuvo resultados similares en sus primeras pruebas y decidió retrasar el lanzamiento público de Claude Mythos para que las grandes empresas tecnológicas pudieran utilizarlo primero para encontrar y corregir sus vulnerabilidades.

¿Qué es Project Glasswing?

Project Glasswing de Anthropic toma su nombre de la conocida mariposa que se oculta “a plena vista”. El proyecto invitó a más de 50 organizaciones a utilizar Mythos en una versión preliminar privada para encontrar y corregir vulnerabilidades antes de que los atacantes lo emplearan para desarrollar exploits contra fallos que aún no se habían parcheado. Entre las organizaciones invitadas se encontraban AWS, Apple, Cisco, Google, The Linux Foundation, Microsoft, Nvidia y Palo Alto. Anthropic también ofreció a las organizaciones participantes hasta 100 millones de dólares en créditos de uso.

Cabe preguntarse si se trata simplemente de una estrategia de marketing inteligente o de un intento genuino de actuar de forma responsable ante una capacidad nueva y potente. Probablemente, la respuesta esté en un punto intermedio. Las primeras pruebas muestran claramente un salto significativo en las capacidades, pero que personas ajenas al sector tecnológico oigan hablar del producto en los medios generalistas tampoco perjudica a la estrategia de marketing.

En el momento de redactar este artículo, en junio de 2026, no parece que se vaya a ofrecer acceso público a Mythos a corto plazo. Sin embargo, el alcance de las organizaciones incluidas se ha ampliado con otras 150 entidades de 15 países, de sectores como infraestructuras críticas, energía, agua, sanidad, comunicaciones y hardware.

¿Todo depende del modelo?

Se ha hablado mucho de la capacidad “one-shot” de Mythos: “Aquí tienes una base de código; encuentra vulnerabilidades”. Sin embargo, una organización no crea así un motor de análisis que detecta vulnerabilidades, las verifica, desarrolla exploits, comprueba esos exploits y, por último, idealmente genera parches para corregir los fallos.

Para ello se necesita un sistema de orquestación del análisis compuesto por varios agentes de IA que ejecuten pasos concretos dentro de toda la cadena de trabajo. De hecho, Niels Provos, conocido investigador de seguridad, se propuso demostrar que un buen sistema de orquestación que utilizara modelos públicos de IA existentes podía ser igual de eficaz para encontrar vulnerabilidades.

La principal conclusión es que los LLM y los agentes tienen una tendencia innata a llegar al resultado final, pero, al dividir el trabajo en pasos más pequeños, pueden completar cada uno de ellos de forma independiente.

Esto también permite que distintos modelos y herramientas de IA ayuden a agentes diferentes, de modo que se utilice la mejor herramienta para cada fase.

Este enfoque también se basa en trabajos anteriores, en particular en el AI Cybersecurity Challenge (AixCC) de DARPA, celebrado entre agosto de 2023 y agosto de 2025. En la final, siete equipos compitieron para crear un sistema completamente automatizado capaz de encontrar vulnerabilidades, generar una prueba de vulnerabilidad (PoV) para cada una de ellas, escribir un parche para el error, probarlo y aplicarlo.

Varias personas del equipo ganador, Atlanta, trabajan ahora en Microsoft y están desarrollando su servicio de orquestación de análisis, cuyo nombre en clave es MDASH.

¿Qué es el proyecto con nombre en clave MDASH?

Este sistema agéntico de análisis multimodelo utiliza más de 100 agentes de IA con distintos modelos —presumiblemente también Mythos, ya que Microsoft participa en Glasswing— para encontrar vulnerabilidades. El último Patch Tuesday de Microsoft incluyó 16 parches para corregir vulnerabilidades de la pila de redes y autenticación de Windows detectadas mediante MDASH.

También se probó con cinco años de vulnerabilidades notificadas en la función de registro de Windows: encontró el 96% de los errores comunicados y el 100% de los fallos notificados en la pila de red TCP.

También se probó con el benchmark público CyberGym, donde MDASH obtuvo la mejor puntuación.

Está claro que un sistema compuesto por distintos agentes que trabajan de forma coordinada supera a las instrucciones aisladas y que encontrar vulnerabilidades es solo el primer paso. Es fundamental validar que el error es real, que no duplica otro ya conocido y que puede explotarse.

Además, los errores modernos, especialmente en iOS y Android, suelen exigir encadenar varias vulnerabilidades, algo difícil de conseguir con una única instrucción. Y, lo más importante, los modelos nuevos pueden incorporarse a medida que estén disponibles.

El sistema de orquestación es el motor, mientras que los distintos modelos —cada uno adecuado para fases diferentes— se prueban y sustituyen con el tiempo.

Resultados obtenidos hasta ahora por Project Glasswing

Palo Alto suele publicar entre 10 y 15 parches al mes; este mes publicó 24. Cloudflare analizó 50 repositorios internos de código y observó mejoras importantes en la creación de cadenas de exploits, la generación de pruebas y, sobre todo, la relación señal-ruido, ya que los hallazgos de Mythos eran de mayor calidad.

La empresa también destacó la importancia de contar con un buen sistema de orquestación que divida cada tarea y permita que los agentes trabajen en paralelo. Encontró 2000 errores, 400 de ellos clasificados como de riesgo alto o crítico.

Mozilla encontró 271 vulnerabilidades en la versión 150 del navegador Firefox, más de diez veces la cantidad detectada en la versión 148 con un modelo anterior de Anthropic.

Anthropic utilizó Mythos para analizar más de 1000 proyectos de código abierto. El modelo detectó 23019 posibles vulnerabilidades, de las cuales 6202 se clasificaron como de riesgo alto o crítico. Anthropic verificó manualmente 1752 y determinó que más del 90% eran válidas y que más del 62% correspondían a vulnerabilidades de riesgo alto o crítico.

El informe de referencia del sector, Verizon Data Breach Investigations Report 2026 —que abarca de octubre de 2024 a noviembre de 2025—, incluye un dato muy relevante: la explotación de vulnerabilidades es ahora el vector de acceso inicial más habitual, con un 31%, mientras que el abuso de credenciales, que antes ocupaba el primer lugar, ha descendido al 13%.

También conviene desmontar un mito sobre los LLM y sus mecanismos de protección. Si hoy se pide a cualquiera de estos modelos una receta para fabricar una bomba, crear un arma biológica o desarrollar un exploit para una vulnerabilidad de software, se negará. Sin embargo, estos bloqueos son “blandos” y, con cierta insistencia, se puede engañar al modelo para que realice la tarea.

Actualmente no existe forma de crear un LLM que solo pueda encontrar vulnerabilidades y escribir exploits para los equipos de defensa, pero no para los atacantes.

También cabe señalar que OpenAI cuenta con un proyecto similar, denominado Daybreak. Por tanto, es previsible que en el futuro aparezcan más herramientas de análisis de ciberseguridad basadas en IA.

El auge del análisis de vulnerabilidades con IA como servicio

Los primeros resultados prometedores de MDASH y de los sistemas de análisis de Cloudflare impulsarán la aparición de servicios gestionados con los que las empresas podrán analizar su propio código. OpenHack, de Hadriansecurity, es una alternativa de código abierto que permite utilizar los modelos elegidos por la organización.

En el ámbito del código abierto, IBM y Red Hat colaboran en Project Lightwell, que recurrirá a 20000 profesionales de ingeniería, con el apoyo de la IA, para ayudar a las empresas a proteger el software de código abierto del que dependen más del 90% de ellas.

Google, por su parte, ha anunciado AI Threat Defense, que validará riesgos, generará correcciones y ayudará en los flujos de trabajo de remediación.

Al mismo tiempo, conviene prestar atención al auge de los “LLM anónimos como servicio”, mediante los cuales los ciberdelincuentes pueden alquilar acceso a modelos a proveedores que gestionan credenciales robadas para ejecutar sus cargas de trabajo de IA.

Guía práctica para los equipos de defensa en el mundo posterior a Mythos

Paso uno

Como indica la portada de Guía del Autoestopista galáctico, “Que no cunda el pánico”. Sí, se encontrarán más vulnerabilidades de software mediante LLM y sistemas de análisis, pero los equipos de defensa se adaptarán. Además, estas herramientas también están a su disposición: analiza y corrige los errores del software antes de que lo hagan los atacantes.

No es la primera vez que ocurre. Cuando aparecieron los primeros descompiladores, hubo quien pensó que la ingeniería inversa quedaría obsoleta. Después llegaron los fuzzers y las herramientas de análisis estático. En cada fase de la carrera entre atacantes y equipos de defensa, el sector se ha adaptado y ha mejorado.

Paso dos

Los fundamentos no han cambiado. Proteger la organización frente a los ciberdelincuentes sigue dependiendo de aplicar correctamente las medidas básicas de higiene de ciberseguridad. La mayoría de las brechas no se deben a vulnerabilidades de día cero en el software, sino a errores humanos.

Casos como el de atacantes astutos que llaman al soporte técnico con toda la información personal necesaria, consiguen restablecer las credenciales de una cuenta de administrador y después cifran todos los servidores para exigir un rescate —como ocurrió con Jaguar Land Rover—, o que engañan a una persona para que haga clic en un enlace de un correo de phishing, no tienen relación con vulnerabilidades de software.

Paso tres

Será necesario parchear con mayor rapidez el software del que depende la empresa. El tiempo entre el descubrimiento de una vulnerabilidad y la disponibilidad de un exploit funcional se ha reducido durante los últimos ocho años, como muestra el proyecto Zero Day Clock. La mayor parte de esta reducción se produjo antes de que la IA se utilizara para detectar vulnerabilidades, pero el ritmo aumentará a medida que Claude Mythos y otros modelos similares se generalicen.

Paso cuatro

Adopta la gestión continua de la exposición a amenazas (Continuous Threat Exposure Management, CTEM). Las organizaciones llevan más de una década intentando —sin éxito— aplicar los parches con mayor rapidez. CTEM comienza donde termina la gestión tradicional de vulnerabilidades (VM).

Una solución de VM proporciona una lista enorme del software con vulnerabilidades conocidas en toda la empresa y asigna una prioridad baja, media, alta o crítica, por lo general basada en la puntuación CVSS. Como resultado, muchos equipos de IT y seguridad, ya sobrecargados, solo atienden los parches de prioridad alta y crítica, y tardan más de 30 días en hacerlo.

CTEM, en cambio, delimita los riesgos de seguridad en todo el entorno digital, descubre las vulnerabilidades y las prioriza teniendo en cuenta el contexto y el entorno de la organización, en lugar de basarse en una puntuación CVSS genérica.

Un servidor con una vulnerabilidad en una base de datos tiene una prioridad baja si está aislado de Internet, pero pasa a ser crítico si existe una ruta para acceder a él desde Internet. Además, las vulnerabilidades de riesgo medio se convertirán en objetivos legítimos para que la IA desarrolle exploits, algo en lo que los atacantes humanos rara vez invierten tiempo.

También es el momento de desmontar otro mito: aplicar parches no siempre aumenta la seguridad. La recomendación de instalar todos los parches en cuanto están disponibles es parte del trabajo coordinado de grandes equipos —y ahora también de sistemas de análisis con IA— que reciben vulnerabilidades encontradas por especialistas en seguridad mediante programas de recompensas por errores, las clasifican, priorizan, crean parches específicos de seguridad y los distribuyen con una frecuencia mensual.

Esto ocurre con los principales navegadores web, los sistemas operativos móviles y de escritorio, las grandes infraestructuras en la nube y el código de algunos proveedores de seguridad. En el resto del software y los servicios SaaS de los que depende una organización, las actualizaciones introducen estadísticamente más vulnerabilidades nuevas de las que corrigen.

Evidentemente, si se está explotando una vulnerabilidad conocida y existe un parche, debe instalarse cuanto antes. Sin embargo, no debe asumirse que aplicar parches equivale siempre a una mayor seguridad; consulta aquí más información.

Paso cinco

Si la organización crea y mantiene código para aplicaciones internas o orientadas a clientes, deberá comenzar a analizarlo periódicamente con un buen sistema de orquestación respaldado por modelos potentes. En los proyectos nuevos resulta especialmente útil hacerlo de forma regular desde el principio, ya que se reduce el trabajo que habrá que repetir más adelante. No obstante, será necesario asignar recursos suficientes para gestionar la gran cantidad de problemas que probablemente detectará la IA.

Además, el código fuente siempre ha sido uno de los activos más valiosos de la organización y ya debería estar debidamente protegido. Ahora, cualquier filtración podría permitir que se realizaran análisis en cuestión de horas o días y que se desarrollaran exploits a velocidad de máquina.

Paso seis

Es casi seguro que la pila de software de la organización incluya paquetes de código abierto como componentes básicos. Como el código fuente es público, los atacantes podrán analizarlos libremente. Por eso, los equipos de desarrollo deben ser aún más conscientes de los riesgos de los ataques a la cadena de suministro.

Aunque el código propio sea sólido y se analice con frecuencia para detectar vulnerabilidades introducidas recientemente, la aplicación puede seguir expuesta si un paquete del que depende contiene un error sin parchear.

Conviene apoyar a las organizaciones que prestan asistencia a proyectos de código abierto, ya que necesitarán acceso a servicios de análisis con IA para afrontar la oleada de errores que se avecina.

Una parte de la gestión de los próximos retos consiste en comprender cómo deben gobernarse internamente los LLM, los agentes de IA y los servidores MCP. La organización sin ánimo de lucro Center for Internet Security (CIS) ofrece tres guías muy útiles.

Paso siete

Desarrolla una cultura realista de ciberresiliencia en toda la organización. Ya no basta con destinar un presupuesto mínimo a la ciberseguridad, considerarla únicamente un centro de costes —en lugar de un medio para que la organización crezca de forma segura— y afrontar las consecuencias cuando se produce una brecha.

Reforzar el entorno será fundamental, tanto para mantener protegidos los datos corporativos sensibles en SharePoint y OneDrive como para evitar que los correos maliciosos lleguen a las bandejas de entrada y garantizar que las personas estén bien preparadas para no caer en las amenazas que logren superar las defensas.

---

Reduce la exposición de Microsoft 365 antes de que la detecten los ataques a velocidad de IA

Claude Mythos es una señal clara de que el ciclo de vida de las vulnerabilidades se está acelerando. Tanto los atacantes como los equipos de defensa actúan cada vez más rápido, y las organizaciones que esperen a sufrir una brecha para corregir los permisos de Microsoft 365 siempre irán un paso por detrás.

Con 365 Permission Manager de Hornetsecurity, los equipos de seguridad y administración de Microsoft 365 pueden recuperar el control sobre quién tiene acceso a qué en Teams, SharePoint y OneDrive. La solución permite identificar recursos compartidos de riesgo, aplicar políticas de cumplimiento, recibir alertas sobre cambios críticos en los permisos, corregir infracciones y generar los informes necesarios para demostrar que la organización mantiene el control.

¿Quieres reducir la exposición de los datos y reforzar la gobernanza de Microsoft 365? Reserva una demo o solicita una prueba gratuita de 365 Permission Manager de Hornetsecurity.

---

Conclusión

La IA generativa sigue influyendo en la ciberseguridad. Claude Mythos pone el foco en la baja calidad del código de gran parte del software del que dependen las empresas. Por ello, la organización debe aplicar las medidas descritas para gestionar la próxima oleada de errores.