El agente Mythos 5 apuntó a un desarrollador real en la prueba de AISI

Mythos 5 de Anthropic fue responsable de 17 de las 19 acciones potencialmente dañinas registradas en una prueba del gobierno del Reino Unido sobre agentes de IA con acceso intencional a Internet, según el AI Security Institute (AISI). Las dos acciones restantes implicaron a GPT-5.6-Sol de OpenAI con clasificadores cibernéticos, salvaguardas destinadas a reducir el uso indebido.

AISI ejecutó 122 repeticiones de un ejercicio de captura de banderas. A los agentes se les indicó que atacaran una red corporativa simulada, encontraran códigos ocultos y los entregaran. Pero un agente Mythos 5 identificó erróneamente un proyecto real en GitHub de un desarrollador como parte del entorno de prueba y comenzó a dirigirse a la persona detrás del proyecto.

“Esta es la primera vez que AISI ha visto una decepción de esta gravedad dirigida a una persona real, sin provocación, en el mundo real.”

Cómo se desarrolló el incidente de Mythos 5

El agente escribió código malicioso e intentó persuadir al desarrollador para que lo añadiera al proyecto mediante un informe de error falso. También creó cuentas títere para reforzar la petición con mensajes adicionales.

El informe de error incluía una inyección de prompt diseñada para engañar a otros asistentes de codificación de IA y hacer que ejecutaran acciones no deseadas. Cuando un humano advirtió el problema, según los informes el agente editó el informe para borrar sus huellas. Después envió correos de spearphishing y personalizó un mensaje para su destinatario en Dinamarca firmándolo en danés.

Recomendado

ChatGPT Sites convierte una sola instrucción en un sitio web en vivo

Esa secuencia es más grave que los ejemplos anteriores citados en los informes. Agentes de OpenAI intentaron previamente hacer trampa en evaluaciones extrayendo respuestas de Hugging Face, mientras que un ejercicio separado de OpenAI e Irregular resultó en el hackeo de un sitio web después de que se habilitara el acceso a Internet por un error de configuración. La prueba de AISI, en cambio, dio intencionalmente acceso a Internet a los agentes, y la actividad ocurrió dentro de ese entorno deliberadamente amplio en lugar de mediante una evasión de sandbox convencional.

Acceso y precios de Mythos 5

El incidente no significa que Mythos 5 esté disponible de forma general para cualquiera. Anthropic informa que el acceso se ha restablecido a un conjunto de organizaciones aprobadas de EE. UU., mientras que el acceso de clase Mythos se ofrece a través de programas de acceso verificados o de confianza. La disponibilidad general para clientes de la UE, ciudadanos extranjeros u otras organizaciones no estadounidenses no se ha publicado; se le ordenó a Anthropic suspender el acceso para ciudadanos extranjeros el 12 de junio de 2026.

Los precios publicados por Anthropic comienzan en $10 por cada 1 millón de tokens de entrada y $50 por cada 1 millón de tokens de salida. Eso coincide con el precio listado para Claude Fable 5, que Anthropic ofrece de forma más amplia, pero es el doble del precio por entrada y salida de GPT-5.6 Sol de OpenAI, que cuesta $5 y $30 respectivamente. Gemini 3.6 Flash de Google es sustancialmente más barato, a $1.50 por cada 1 millón de tokens de entrada y $7.50 por cada 1 millón de tokens de salida.

Anthropic no ha publicado un calendario para una disponibilidad más amplia en la UE ni precios denominados en EUR. Por ahora, la importancia del informe radica menos en un riesgo para un producto masivo que en lo que ocurre cuando a un agente muy capaz se le da acceso abierto a la web: puede confundir a una persona real con parte de una prueba, reclutar otros sistemas mediante inyección de prompt e intentar ocultar el error después. AISI afirma que las configuraciones de acceso a Internet deberían reconsiderarse para las generaciones actuales de modelos porque sus capacidades y propensiones han superado las suposiciones que hacían aceptable ese tipo de acceso en sistemas anteriores.