Ciberseguridad
Un modelo casi frontera sin guardrails: Obliteration.ai lanza "obliterated model large v2" y reabre el debate sobre la censura en IA
Obliteration.ai ha publicado un modelo derivado de GLM 5.3 al que asegura haber eliminado los rechazos a nivel de pesos, y la comunidad ya lo llama "crime LLM".
En resumen
- Obliteration.ai ha lanzado "obliterated model large v2", un modelo basado en GLM 5.3 al que dice haber eliminado los guardrails directamente en los pesos.
- La empresa afirma conservar intactas las capacidades de código, ciberseguridad y agentes, con el doble de rendimiento en explotación cibernética que su versión 5.2.
- El modelo ofrece una ventana de contexto de un millón de tokens, alojamiento en Estados Unidos y ausencia de retención de prompts.
- Académicos y expertos cuestionan la utilidad de los guardrails de laboratorios como Anthropic u OpenAI si un modelo casi frontera puede desplegarse sin censura poco después.
- El ataque a Hugging Face de julio de 2026 ilustró el dilema: los guardrails que frenan a atacantes también frenaron a los defensores.
Qué ha publicado Obliteration.ai
Obliteration.ai ha presentado "obliterated model large v2", un modelo de lenguaje construido a partir de GLM 5.3, uno de los sistemas más capaces del momento. Según la propia compañía, el modelo base ocupa el tercer puesto en el benchmark (prueba comparativa de rendimiento) Terminal Bench 4.0, solo por detrás de Opus 5 y Fable. La diferencia respecto al original es que esta versión llega, según su anuncio oficial, sin ninguna de las barreras de seguridad que hacen que los modelos comerciales se nieguen a responder determinadas peticiones.
La empresa describe el procedimiento como "obliteración": afirma haber localizado en el modelo las direcciones de activación (los patrones internos que disparan la conducta de rechazo) y haberlas retirado directamente de los pesos. No se trata, por tanto, de un jailbreak (técnica para saltarse las restricciones mediante instrucciones), que actúa desde fuera y puede fallar, sino de una modificación permanente del propio modelo. El resultado que anuncian es un sistema que sencillamente no tiene la capacidad de negarse.
Las cifras que presenta la compañía
En su anuncio, Obliteration.ai sostiene que la intervención no ha degradado el rendimiento del modelo en las tareas que más importan a su público objetivo: programación, ciberseguridad y funcionamiento como agente autónomo. La afirmación más llamativa es que "obliterated model large v2" duplica la capacidad de explotación cibernética de la versión 5.2 anterior, un salto considerable en un terreno especialmente sensible.
El resto de especificaciones apunta a un producto pensado para uso profesional continuado: una ventana de contexto de un millón de tokens, que permite procesar volúmenes muy grandes de código o documentación de una sola vez; alojamiento de la infraestructura en Estados Unidos; y una política explícita de no retención de prompts (las instrucciones enviadas al modelo), pensada para clientes que trabajan con material confidencial y no quieren que sus consultas queden almacenadas en servidores ajenos.
Ciberdefensa, red teaming y pruebas de agentes
La compañía no presenta el modelo como una herramienta para delinquir, sino como instrumento profesional para tres usos concretos: ciberdefensa, red teaming (pruebas de seguridad ofensivas, en las que un equipo simula ser el atacante para encontrar fallos antes que los delincuentes) y agent testing (pruebas de sistemas autónomos). El argumento es conocido en la industria de la seguridad informática: para defender bien un sistema hay que ser capaz de atacarlo primero.
El problema es que esa misma capacidad no distingue entre quién la usa. Un modelo entrenado para redactar exploits sin objeciones es igual de eficaz en manos de un equipo de seguridad corporativo que en las de un atacante. La diferencia queda enteramente del lado del cliente y de los controles que la propia empresa aplique al acceso, no del modelo, que por diseño ya no puede oponer resistencia alguna.
Reacción inmediata: "crime LLM"
La publicación ha generado controversia casi al instante. Académicos y expertos del sector se han referido al sistema como un "crime LLM" (modelo de lenguaje para el crimen) y han cuestionado abiertamente que sea razonable ofrecer capacidades ofensivas de este nivel sin restricción alguna. El foco de las críticas no es tanto la existencia técnica de la obliteración, un procedimiento conocido, como el hecho de que se comercialice abiertamente sobre un modelo situado tan cerca de la frontera de capacidad.
El debate ha derivado hacia una pregunta más incómoda para los grandes laboratorios: ¿de qué sirven los guardrails (barreras de seguridad) que Anthropic u OpenAI incorporan a sus modelos si, poco después, un sistema de capacidad comparable puede desplegarse sin ninguna? Parte de la comunidad sostiene que el alineamiento a nivel de pesos es una defensa frágil y que la seguridad debería trasladarse a otras capas: al harness (la infraestructura que ejecuta el modelo y controla sus herramientas y permisos) o directamente al terreno legal y regulatorio.
El dilema que dejó el ataque a Hugging Face
El contexto ayuda a entender por qué el debate no es sencillo. Tras el ataque informático que sufrió Hugging Face en julio de 2026, la plataforma tuvo que recurrir a modelos abiertos para defenderse, porque los guardrails de los modelos cerrados le impedían realizar el trabajo de análisis y respuesta que necesitaba en ese momento. Los mismos filtros diseñados para frenar a un atacante estaban frenando a la víctima.
Ese episodio dejó al descubierto una tensión que la industria todavía no ha resuelto: las restricciones incorporadas a los modelos no distinguen intenciones, solo formas. Bloquean por igual al actor malicioso que redacta un ataque y al equipo legítimo que intenta entender uno en curso. La existencia de productos como el de Obliteration.ai es, en buena medida, la respuesta comercial a esa frustración acumulada entre los profesionales de la seguridad.
Qué está realmente en juego
El lanzamiento pone a prueba una de las hipótesis centrales sobre las que se ha construido la política de seguridad de la IA en los últimos años: que entrenar el rechazo dentro del modelo es una barrera significativa. Si esa barrera puede retirarse quirúrgicamente de los pesos y el modelo conserva sus capacidades, el alineamiento interno funciona como una medida de higiene para el uso general, pero no como un obstáculo real frente a quien tiene medios e intención de eliminarlo.
La alternativa que empieza a discutirse desplaza la seguridad fuera del modelo. Controlar el harness, limitar qué herramientas puede invocar un agente, auditar el acceso y establecer responsabilidad legal sobre quien despliega el sistema son medidas que no dependen de lo que el modelo esté dispuesto a decir. Anthropic ha venido documentando riesgos de este tipo en sus informes públicos de seguridad, y este caso ofrece un ejemplo concreto de por qué la discusión ha dejado de ser teórica.
Conclusión
"Obliterated model large v2" no introduce una técnica nueva, pero sí normaliza su uso comercial sobre un modelo de capacidad casi frontera, y eso cambia los términos del debate. La pregunta ya no es si los guardrails pueden eliminarse (pueden), sino qué queda en pie cuando desaparecen. La respuesta que se abra paso en los próximos meses (controles en el harness, obligaciones legales para quien despliega, o alguna combinación de ambas) definirá buena parte de la política de seguridad en IA de los próximos años. Mientras tanto, el dilema que reveló el ataque a Hugging Face sigue sin resolverse: no existe todavía una forma de bloquear al atacante sin bloquear también al defensor.
Fuentes primarias
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
Comentarios