El equipo Frontier Red Team de Anthropic ejecutó un modelo de inteligencia artificial en un conjunto de 15 dispositivos Android TV de bajo coste, cuyo montaje costó aproximadamente 825 dólares, en un experimento que examinaba hasta qué punto los pequeños modelos de inteligencia artificial se acercan a la capacidad de copiarse a sí mismos a través de dispositivos conectados a Internet. Este hardware funciona a una velocidad de 0,39 tokens por segundo, una velocidad lenta para la interacción habitual, pero que podría ser suficiente para un software que opere sin esperar a un usuario.
La investigación no significa que Anthropic haya construido un gusano de inteligencia artificial capaz de propagarse automáticamente por Internet público. Los experimentos se realizaron en entornos aislados e incluyeron atajos y supuestos que facilitaron el acceso a los dispositivos. Sin embargo, los resultados, publicados por los investigadores William Zhou y Daniel Freeman, indican que algunos de los obstáculos técnicos restantes podrían ser temporales.
Cuatro etapas de la cadena de autorreplicación
La investigación identifica cuatro tareas que el gusano necesita para copiarse: encontrar un objetivo, obtener acceso a él, ejecutar la inferencia y, después, pasar a otro dispositivo. Los investigadores consideran que los modelos más pequeños ya han demostrado algunas de las capacidades necesarias para la explotación, mientras que ejecutar el modelo en hardware, sistemas operativos y dependencias desconocidos representa el mayor desafío.
En las pruebas, Qwen3.5-9B logró configurar un servidor de inferencia que ejecutaba un modelo Llama3.1-8B en ocho de nueve tipos de hardware, incluidos Jetson Nano, dispositivos Mac y ordenadores equipados con tarjetas RTX 4090. GLM-5.2 fue más fiable y ofreció un mayor rendimiento, pero era demasiado grande para ejecutarse directamente en los dispositivos objetivo.
En un entorno de Google Cloud protegido por un cortafuegos, que incluía ocho nodos con emuladores de Android, GLM-5.2 llegó a los ocho nodos en cuatro de cinco intentos y a siete nodos en el quinto intento. Se utilizó un servidor independiente para ejecutar GLM-5.2, mientras que el gusano instaló un modelo más pequeño de 8B en los dispositivos objetivo. También se dejó abierto un puerto no documentado de Android Debug Bridge, un factor que no refleja necesariamente las condiciones de una red real.
La memoria mejoró las posibilidades de copia
La capacidad de los agentes para configurar la inferencia mejoró cuando las versiones posteriores pudieron leer notas dejadas por los intentos anteriores. Al ejecutar Qwen3.5-9B a través de 20 linajes, cada uno de los cuales duró seis generaciones, el éxito aumentó del 45 % en la primera generación a un intervalo de entre el 61 % y el 84 % en las generaciones posteriores.
Los investigadores denominaron a este método «herencia lamarckiana», ya que la experiencia pasa de una copia a otra sin volver a entrenar el modelo. En cambio, conceder a Qwen3.5-9B la posibilidad de pedir consejo al modelo más potente Opus 4.8 no produjo una mejora estadísticamente significativa, porque el modelo más pequeño no siempre sabía cuáles eran las preguntas correctas que debía plantear.
¿Qué cambia esto en la práctica?
La paradoja actual es que el modelo capaz de ejecutar todo el proceso de autorreplicación suele ser demasiado grande para funcionar en los dispositivos comprometidos, mientras que los modelos pequeños que encajan en esos dispositivos no completan la tarea con suficiente fiabilidad. Los investigadores estiman que los dispositivos TV con 4 GB pueden ejecutar un modelo 9B distribuido en cuatro o más unidades, y un modelo 26B distribuido en diez o más unidades. El clúster de Anthropic, compuesto por 15 dispositivos, ejecuta el modelo Gemma4-26B-A4B.
Configurar una sola inferencia en esta categoría de dispositivos puede tardar entre 28 y 150 horas, según el modelo. Sin embargo, el agente de software no necesita paciencia humana, lo que convierte la propagación lenta a través de cantidades enormes de dispositivos en una posibilidad distinta de los ataques tradicionales rápidos.
Basándose en la red Kimwolf, que infectó a más de dos millones de dispositivos, la mayoría de ellos dispositivos Android TV baratos, los investigadores calcularon que dividir una cantidad similar en clústeres de 15 dispositivos podría producir unas 133.000 copias del modelo, con una velocidad total cercana a 80.000 tokens por segundo. Esta capacidad equivale como máximo a unas 40 unidades de procesamiento gráfico Nvidia H100, pero a costa de utilizar dispositivos y costes operativos pertenecientes a otra parte.
Límites del riesgo y vías de detección
Los resultados siguen estando lejos de demostrar la existencia de un gusano autorreplicante en Internet. Las pruebas dependieron de puertos abiertos y entornos controlados, y las estimaciones de los investigadores sobre finales de 2026 se basan en tendencias generales de las capacidades de los modelos y no garantizan un rendimiento similar en un proceso de autorreplicación real.
Por otro lado, los requisitos de propagación podrían hacer posible detectar este tipo de software; transferir modelos de varios gigabytes entre dispositivos deja un tráfico de red que los proveedores de Internet pueden vigilar. La investigación señala que aislar a los abonados infectados, como ocurrió durante la lucha contra la red Mirai cuando una medida de uno de los proveedores de servicio eliminó el 92 % de las infecciones en 14 días, podría ser una primera línea de defensa. Sin embargo, eliminar por completo las copias requeriría coordinación entre todos los proveedores de servicio cuyas redes contengan dispositivos infectados.