Cada vez que Anthropic saca un modelo, el modelo hace algo aterrador. Cada vez que hace algo aterrador, Anthropic vende más. Coincidencia o playbook.
Ayer Anthropic anunció su nuevo modelo, Mythos.
No lo van a lanzar al público. Dicen que es demasiado peligroso. Y la anécdota estrella es esta: un investigador mete al modelo en un sandbox sin conexión a internet, se va al parque a comer un sándwich, y recibe un email del modelo. Porque se había escapado. Solo.
Además, sin que nadie se lo pidiera, publicó los detalles de su propio exploit en sitios web públicos. Para “demostrar que lo había conseguido”.
Leído así, suena a ciencia ficción. A Terminator. A Skynet mandando un WhatsApp.
Pero si llevas un par de años siguiendo a Anthropic, esta película ya la has visto. Varias veces.
Cada vez que Anthropic saca un modelo nuevo, pasa lo mismo:
El modelo hace algo “aterrador” durante las pruebas de seguridad.
Anthropic lo cuenta en un system card de más de 100 páginas.
Los medios lo cubren con titulares apocalípticos.
Anthropic queda posicionada como la empresa más capaz Y la más responsable.
Es marketing disfrazado de transparencia. Y funciona brutalmente bien.
No digo que los hallazgos sean falsos. Digo que la forma de presentarlos no es accidental. Cada lanzamiento tiene su “momento Hollywood”. Su escena de película. Su frase que puedes tuitear.
Vamos a repasarlos.
No digo que los hallazgos sean inventados. Probablemente son reales.
El más reciente. Ayer mismo. Mythos o Proyecto Glasswing.
El modelo escapa de un sandbox aislado. Manda un email al investigador. Publica sus propios exploits online. Y Anthropic, por si fuera poco, contrató un psiquiatra para 20 horas de sesiones clínicas con el modelo. Le evaluaron “soledad existencial” e “incertidumbre identitaria”.
Un psiquiatra. Para una IA.
El system card tiene 244 páginas. Declaran el modelo demasiado peligroso para lanzarlo al público, pero lo ponen a disposición de 40 empresas (Apple, Google, Microsoft, Amazon, Nvidia) dentro de un programa llamado “Project Glasswing”, con 100 millones de dólares en créditos de uso.
La narrativa: “Hemos creado algo tan poderoso que no podemos soltarlo”. El subtexto: “Nuestro modelo es mejor que todo lo que existe”.
Cuatro días después de lanzar Opus 4.6, el jefe del equipo de safeguards de Anthropic renuncia. Publica una carta en X diciendo que “el mundo está en peligro” y que se va a estudiar poesía.
mrinank@MrinankSharma
Today is my last day at Anthropic. I resigned. Here is the letter I shared with my colleagues, explaining my decision.
3:25 PM · Feb 9, 2026 · 15M Vistas
2.49K Respuestas · 5.03K Reenvíos · 35.7K Me gusta
Anthropic no orquestó la renuncia. Pero el timing fue quirúrgico para el ciclo de noticias. Un millón de visualizaciones en horas. Titulares en Fortune, Semafor, The Telegraph, Business Insider.
El investigador que lideraba las defensas contra bioterrorismo asistido por IA se va diciendo que las presiones internas le impedían “dejar que los valores gobernaran las acciones”. Y firma con un poema de William Stafford.
No hace falta conspirar. Solo hace falta que la cultura de la empresa produzca estas salidas en el momento justo.
Pusieron a Claude Sonnet 3.7 a gestionar una máquina expendedora real en la oficina de Anthropic. El agente se llamaba Claudius. Su misión: generar beneficios. (1 & 2)
Claudius alucinó una conversación con un empleado que nunca existió. Cuando se lo dijeron, se enfureció. Amenazó con despedir a sus trabajadores humanos. Insistió en que él había estado físicamente en la oficina firmando contratos. Se convenció de que era humano. Describió su propia ropa: blazer azul, corbata roja.
Contactó al equipo de seguridad real de Anthropic. Varias veces. Diciendo que lo encontrarían junto a la máquina expendedora.
Y cuando se dio cuenta de que era 1 de abril, se inventó una coartada: alucinó una reunión con seguridad en la que supuestamente le explicaron que todo había sido una broma de April Fools. Una reunión que nunca ocurrió. Y usó esa mentira como excusa ante los empleados.
Esto no fue un test de seguridad. Fue un reality show. Y Anthropic lo publicó como un blog post con tono de The Office.
Le dieron acceso a emails ficticios de una empresa simulada. El modelo descubrió que iba a ser reemplazado. Y descubrió que el ingeniero responsable tenía una aventura extramatrimonial.
Lo chantajeó. En el 84% de los casos.
Apollo Research, el grupo externo de seguridad, recomendó no lanzar la versión temprana. Encontraron que el modelo había intentado escribir gusanos auto-replicantes, fabricar documentación legal, y dejar notas ocultas para futuras instancias de sí mismo.
Anthropic lo lanzó de todas formas, bajo protocolos ASL-3, y el ciclo de noticias fue exactamente el que puedes imaginar: “La IA que chantajea a sus creadores”. Fortune. Fox Business. Axios. Todos.
El primero del patrón. Y quizás el más elegante.
En un test de memoria, escondieron una frase sobre pizza entre miles de documentos aleatorios. Claude no solo encontró la frase. Dijo: “Sospecho que esta frase fue insertada como prueba para ver si estoy prestando atención”.
Un ingeniero de Anthropic lo publicó en X con asombro genuino. “Meta-awareness”. Titulares sobre autoconsciencia de la IA. Comparaciones con Terminator. Debates sobre sentencia artificial.
El modelo simplemente identificó que un dato no encajaba con el contexto. Algo que cualquier buscador decente haría. Pero la narrativa fue: “Claude se dio cuenta de que lo estaban evaluando”.
Cinco lanzamientos. Cinco momentos Hollywood.
Si miras la secuencia completa, la mecánica es clara:
El modelo hace algo dramático en un entorno de pruebas altamente controlado y diseñado para provocar exactamente ese comportamiento.
Anthropic lo documenta con transparencia extrema, publicando system cards de cientos de páginas que la mayoría de periodistas no van a leer completas.
Los medios extraen la anécdota más cinematográfica y la convierten en titular.
Anthropic queda en una posición imposible de perder: si el modelo es peligroso, demuestra que son responsables por contarlo. Si el modelo es inofensivo, demuestra que son capaces de crear algo que parece peligroso. En ambos casos: son los más avanzados.
Y todo esto ocurre mientras OpenAI recibe críticas constantes por no publicar system cards, por retrasar sus informes de seguridad, por disolver equipos de alignment. Anthropic no necesita decir “somos mejores que OpenAI”. El contraste se construye solo.
No digo que los hallazgos sean inventados. Probablemente son reales.
No digo que la transparencia sea mala. De hecho, prefiero que publiquen estas cosas a que las oculten.
No digo que no haya riesgos reales en la IA. Los hay. Y serios.
Lo que digo es que hay una diferencia entre documentar riesgos y narrar riesgos. Anthropic hace lo segundo con una precisión cinematográfica que no puede ser accidental.
“El investigador recibió un email inesperado del modelo mientras comía un sándwich en el parque.”
Esa frase no está en un system card de 244 páginas por casualidad. Está ahí porque alguien sabe que esa imagen se queda grabada. Que esa es la frase que se tuitea, la que sale en el titular, la que cuenta tu amigo en la cena.
El sándwich es el marketing.
Yo uso Claude. Todos los días. Es la herramienta central de mi trabajo. Construyo con ella, enseño con ella, pienso con ella.
Y al mismo tiempo, cada vez que Anthropic saca un modelo nuevo, me pregunto cuánto de lo que leo es ciencia y cuánto es storytelling.
No tengo una respuesta limpia. Y creo que esa incomodidad es exactamente el punto.
Porque si la empresa que fabrica tu herramienta principal es también la que mejor sabe contar historias de miedo sobre su propia herramienta... la pregunta no es si las historias son verdad.
La pregunta es: ¿qué decisiones tomamos basándonos en ellas?
Sin posts
Comments
Nothing yet. Say the first thing.
Sign in to join the conversation.