Mythos: la ia que desinfla el marketing de la ciberseguridad

Anthropic ha desvelado Claude Mythos, un modelo de IA diseñado para identificar vulnerabilidades en sistemas con una precisión asombrosa. Pero tras el halo de expectación, la realidad es mucho más compleja: un experimento que ha desvelado la fragilidad de la promesa de una ciberseguridad instantánea y la prevalencia del marketing en este sector.

La verdad tras el hype de mythos

Inicialmente, el anuncio generó un fervor inusitado. Pero, como señala el creador de cURL, Chris Rowley, “el gran revuelo en torno a este modelo hasta ahora fue principalmente marketing. No veo ninguna evidencia de que esta configuración detecte problemas con mayor precisión o agudeza que las herramientas anteriores a Mythos.” Rowley, un veterano en la lucha contra las vulnerabilidades, desmontó rápidamente la idea de una revolución, argumentando que se trata de una campaña publicitaria bien orquestada.

Un desarrollador independiente, con un enfoque pragmático, llevó a cabo un análisis riguroso. Creó un banco de pruebas con código limpio y real, sometiendo a Mythos y otros modelos de IA a una serie de pruebas exhaustivas. El objetivo: determinar si la IA realmente mejoraba la detección de fallos.

Resultados inesperados: la ia no es invencible

Los resultados iniciales fueron sorprendentes. La identificación de errores en archivos de texto individuales resultó sorprendentemente sencilla. Sin embargo, cuando se enfrentaron a la complejidad de documentos interconectados, los modelos de IA demostraron ser notablemente débiles. A pesar de su potencial, Mythos no ha logrado superar las limitaciones inherentes de la inteligencia artificial en la detección de vulnerabilidades en código complejo.

Sorprendentes alternativas: la eficiencia de modelos económicos

Lo más revelador es que los modelos de IA más caros, como GPT-5.5 Pro de OpenAI, no se mostraron significativamente superiores a alternativas mucho más asequibles, como MiMo o DeepSeek. De hecho, MiMo y DeepSeek lograron detectar la misma cantidad de errores graves por una décima parte del coste. La eficiencia económica de estas herramientas es, sin duda, un factor a tener en cuenta.

El modelo Qwen 3.6, ejecutado localmente en un PC con 128 GB de RAM, demostró ser particularmente prometedor. Aunque su velocidad era menor, identificó más fallos reales y generó menos