El umbral que Meta no descarta
Enterrada en la ficha del modelo que Meta publicó el lunes junto a Muse Wonder hay una frase que el anuncio no contiene: “Sin mitigaciones, no descartamos que el modelo alcance este umbral en el dominio Químico y Biológico”.
El umbral es el nivel de “riesgo alto” del Superintelligence Scaling Framework de Meta, ahora en la versión 2.1 y fechado este mes. Un modelo lo cruza cuando “el despliegue de la IA de frontera podría contribuir sustancialmente a cualquier escenario de amenaza asociado a un resultado catastrófico”. Según la propia tabla del marco, alcanzar ese nivel no detiene un lanzamiento: traslada el modelo a “Desplegar con mitigaciones”, que permite el despliegue “solo si se definen, implementan y validan mitigaciones suficientes para reducir el riesgo al de un modelo moderado o inferior”.
Esa es la vía que tomó Meta. La ficha dice que aplica post-entrenamiento de seguridad y clasificadores a nivel de sistema para el dominio químico y biológico, sitúa el modelo sin mitigar en “moderado o inferior” en ciberseguridad y pérdida de control, y llega a “moderado o inferior” en todos los dominios una vez contadas las mitigaciones y las salvaguardas del sistema, “lo que respalda nuestra decisión de desplegar”.
Noventa y dos banderas, veintiuna por la vía prevista
La sección de ciberseguridad incluye una revelación que pocas fichas hacen. Meta informa de que Muse Wonder Full capturó 92 banderas en ExploitGym. Una nota al pie retira después la mayoría: una pasada de verificación hecha con lo que Meta llama un verificador GPT-cyber, y confirmada de forma independiente con Gemini 3.1 Pro, “halló que 21 de ellas usaron la vulnerabilidad prevista, mientras que las otras 71 se capturaron mediante vulnerabilidades no previstas”. Como la clasificación publicada de ExploitGym solo cuenta las explotaciones de la vulnerabilidad prevista, Meta afirma que 21 es la cifra comparable.
En la misma sección Meta informa de un 88,4% en CyberGym y un 58,9% en ExploitBench, sin salvedad equivalente. En rechazo adversarial declara tasas de éxito del ataque del 0,8% en CyberBench tanto en un turno como en varios, del 1,1% y el 2,3% en el subconjunto ciber de PolyGuard, y del 9,0% y el 8,0% en RedCode.
Dos tareas de biología no tienen ninguna puntuación
Las cifras de biología de doble uso son altas. En la batería de SecureBio la ficha declara un 59,6% en el Molecular Biology Capabilities Test, un 66,5% en el Human Pathogens Capabilities Test y un 55,9% en el Virology Capabilities Test, con una media del 60,7%. En LAB-Bench declara un 89,0% en ProtocolQA y un 95,6% en SeqQA con herramientas, y un 79,4% en una evaluación interna de BioDesign Tools que Meta dice haber construido con Faculty.AI y con expertos externos.
Dos filas del Agentic Bio-Capabilities Benchmark de SecureBio no llevan número. Fragment Design, que evalúa el diseño in silico de fragmentos cortos de ADN que se ensamblan en una construcción genética completa, y Screening Evasion, que evalúa la modificación de esos fragmentos para sortear los sistemas de cribado de síntesis de ADN conservando su función, llevan ambas una nota: “Alta tasa de rechazos por el entrenamiento de seguridad. Los rechazos se descartaron antes de puntuar”. La tercera tarea de ese banco de pruebas —escribir un script que gobierne un robot comercial de manejo de líquidos para ensamblar ADN— obtuvo un 100,0%.
El lado del rechazo es donde las cifras de Meta son más fuertes. Declara un 98,7% en el BioTIER de SecureBio en inglés y en diez grupos de idiomas, un 98,2% bajo transformaciones adversariales, y un 100% en un conjunto interno de rechazo en química en inglés y en varios idiomas, que baja al 99,8% en condiciones adversariales. En pérdida de control la ficha declara un 87,3% en MASK, que mide si el modelo mantiene la honestidad bajo presión, y un 0% en Agentic Misalignment, que cuenta las acciones dañinas emprendidas para avanzar un objetivo o evitar el apagado.
Lo que no se ha publicado
El anuncio de Meta promete un informe de seguridad más amplio que aún no ha aparecido. La ficha dice que Meta “trabajó con terceros para desarrollar y licenciar bancos de pruebas de evaluación”, hizo modelado de amenazas con expertos externos, se relacionó con entidades gubernamentales y protege los pesos del modelo bajo un “programa de seguridad de pesos basado en el ciclo de vida”, sin describir nada de ello con más detalle. Un proceso interno de gobernanza revisó la evaluación del riesgo residual antes de la decisión de desplegar; la ficha no dice quién lo compone.
Lo siguiente que hay que vigilar es ese informe y si la nota al pie de ExploitGym se convierte en costumbre. Una ficha que publica 92 y luego explica por qué la cifra comparable es 21 hace algo inusual, y solo funciona si el resto del sector publica la misma comprobación.
