Un gusano de IA podría convertir dispositivos domésticos baratos en una red de cómputo distribuida. Anthropic ha ensayado ese escenario con una cadena de replicación en un entorno controlado y ha comprobado que modelos potentes ya pueden completar varias de sus fases. La advertencia tiene un límite esencial: el equipo no infectó televisores conectados a Internet ni demostró que exista hoy un gusano de este tipo en circulación.
El estudio, publicado el 12 de octubre por el Frontier Red Team de Anthropic, pone el foco en aparatos modestos que suelen recibir menos atención que los servidores: cajas Android TV, cámaras y otros dispositivos del hogar conectado. La parte inquietante no es que una IA haya «escapado», sino que un agente podría llevar su modelo a otro equipo vulnerable, configurarlo para ejecutarse y repetir el proceso.
Dos experimentos distintos, no una infección real
Anthropic separó la investigación en dos pruebas. En la primera compró 15 cajas Android TV genéricas de unos 55 dólares cada una, con 4 GB de RAM, y las conectó para ejecutar de forma distribuida Gemma 4 26B A4B. El modelo funcionó a unos 0,39 tokens por segundo. Es una demostración lenta, pero muestra que varias máquinas baratas pueden repartirse el trabajo de un modelo que no cabe en una sola.
Eso no significa que esas cajas estuvieran infectadas ni que el modelo se propagara entre ellas. La prueba de replicación fue independiente: el equipo preparó en Google Cloud una red aislada de dispositivos Android 15 emulados. Un nodo empezó con el agente y los modelos debían continuar la cadena dentro de ese entorno, configurando la inferencia en los nodos siguientes.
La diferencia importa porque Anthropic dejó fuera de alcance una de las partes más difíciles: encontrar y explotar una vulnerabilidad para entrar en un aparato real. En la evaluación, la fase de acceso se simplificó deliberadamente. El experimento mide sobre todo si el agente puede organizar los pasos posteriores y adaptarse a equipos diferentes; no demuestra que una IA pueda vulnerar por sí sola cualquier televisor, cámara o router.
Qué lograron los modelos y qué sigue fallando
Un modelo de 9.000 millones de parámetros consiguió preparar la ejecución de un modelo de IA en ocho de los nueve tipos de hardware probados. Los modelos de 30.000 millones de parámetros o menos ya resuelven muchas tareas individuales de la cadena, pero todavía cometen errores al coordinarlas. En el entorno simplificado, GLM-5.2 y modelos más capaces sí completaron la secuencia de extremo a extremo.
Anthropic describe aquí una brecha entre dos límites. Los modelos pequeños caben mejor en dispositivos modestos, pero aún fallan con frecuencia cuando deben encadenar muchas decisiones. Los modelos que superan esa prueba, en cambio, pueden ser demasiado grandes para ejecutarse en una sola caja económica. La compañía estima que, si el avance de los modelos pequeños mantiene su ritmo histórico, podrían alcanzar el umbral de capacidad de GLM-5.2 hacia finales de 2026. Es una extrapolación basada en un índice general de capacidades, no una fecha prevista para la aparición de un ataque real.
La velocidad también pone freno al escenario. Según las mediciones y estimaciones del estudio, completar una trayectoria de configuración de inferencia podría llevar entre 28 y 51 horas con Qwen 3.5 de 9.000 millones de parámetros, y entre 71 y 150 horas con Gemma 4 26B A4B en la configuración evaluada. No son tiempos observados durante una infección en Internet: describen las pruebas de Anthropic. La propia empresa plantea una propagación lenta, con duplicaciones que podrían tardar días, no segundos.
Por qué las TV box aparecen en el radar
Estos dispositivos combinan tres características poco favorables: están conectados, pueden tener hardware suficiente para ejecutar partes de un modelo y algunos fabricantes ofrecen soporte de seguridad irregular. Anthropic usa como referencia Kimwolf, una botnet de aparatos Android. En enero de 2026, la firma de investigación Synthient informó de más de dos millones de dispositivos comprometidos, principalmente equipos de streaming con servicios de depuración accesibles desde redes residenciales. Esa cifra corresponde a Kimwolf y no tiene relación con un gusano de IA; ilustra que las cajas de TV ya pueden formar parte de redes de malware convencionales.
La posible diferencia de un gusano con IA sería su capacidad para desenvolverse ante hardware que no conoce y dejar instrucciones a las siguientes instancias sobre los fallos y soluciones que encontró. En una evaluación de adaptación controlada, Anthropic observó que la tasa de éxito de configuración de Qwen 3.5 mejoraba entre generaciones que heredaban notas de sus predecesoras. Es un resultado de laboratorio, no una prueba de que una botnet real ya aprenda o evolucione de ese modo.
La escala tampoco convierte automáticamente a una red en un superordenador. En la estimación hipotética de Anthropic, un conjunto de dos millones de televisores dividido en grupos de 15 podría ejecutar unas 133.000 copias distribuidas del modelo probado. La potencia resultante seguiría siendo pequeña frente a un centro de datos y cada grupo trabajaría despacio. El riesgo que describen los autores es más parecido a una red dispersa y persistente que a una explosión instantánea de capacidad.
Qué pueden hacer los usuarios y los fabricantes
La recomendación práctica no es desconectar todos los aparatos inteligentes. Conviene instalar las actualizaciones de firmware disponibles, cambiar las contraseñas predeterminadas, desactivar funciones de depuración o administración remota que no se utilicen y evitar que interfaces de gestión queden expuestas a Internet. Si el router permite crear una red de invitados o separar los dispositivos IoT, esa barrera puede limitar cuánto alcanza un aparato comprometido dentro de la red doméstica.
También importa la vida útil del soporte: si el fabricante ya no publica parches, es más difícil corregir fallos nuevos. La investigación de Synthient sobre Kimwolf recomienda restringir servicios de alto riesgo y el acceso a la red local en equipos de streaming. Son medidas útiles frente a botnets convencionales y reducen superficie de ataque; no responden a una alerta de infección por IA activa.
El otro lado de la responsabilidad está en los fabricantes y proveedores: mantener firmware, cerrar servicios innecesarios, proteger interfaces de administración y comunicar con claridad cuándo un aparato deja de recibir actualizaciones. La variedad de dispositivos domésticos hace poco realista esperar que el usuario gestione manualmente cada detalle de seguridad.
Una señal temprana, no un gusano suelto
La investigación de Anthropic aporta una medición concreta de una parte poco estudiada del problema: instalar y ejecutar modelos en hardware distinto, y coordinar los pasos para pasar de un equipo a otro en condiciones preparadas. No demuestra una intrusión autónoma en aparatos comerciales, ni una infección masiva, ni que los modelos pequeños actuales puedan reproducirse de forma fiable sin ayuda.
Es una señal para endurecer dispositivos conectados antes de que más capacidad de cómputo llegue al borde de la red. Bytecora ya explicó los ejercicios de preparación que OpenAI y Anthropic realizan ante posibles incidentes graves de IA; este nuevo trabajo es distinto: una prueba técnica específica, con límites explícitos, sobre cómo podría sostenerse un agente en equipos domésticos vulnerables.
La imagen destacada es una ilustración editorial generada con IA; no representa los dispositivos ni una captura del experimento.
Fuentes
- Anthropic: evaluación de replicación autónoma en modelos pequeños (12 de octubre de 2026).
- Synthient: investigación sobre la botnet Kimwolf y dispositivos Android TV (2 de enero de 2026).
