Quince pequeños aparatos para convertir una televisión en un dispositivo conectado pueden servir para ejecutar un modelo de IA repartido entre ellos. Anthropic lo ha demostrado en una investigación sobre autorreplicación: la posibilidad de que un sistema copie y ponga en marcha su software en otras máquinas.
El resultado es llamativo, pero necesita contexto. No se ha descubierto una IA que haya escapado por internet ni que haya decidido reproducirse por su cuenta. Son experimentos diseñados por investigadores para estudiar capacidades y riesgos.
Qué se ha probado realmente
En el trabajo publicado el 12 de octubre, Anthropic ejecutó Gemma4-26B-A4B sobre 15 TV boxes. El rendimiento fue muy bajo: 0,39 tokens por segundo. En otra evaluación, un modelo de 9.000 millones de parámetros logró preparar la ejecución de IA en ocho de los nueve tipos de hardware ensayados.
La empresa también construyó un entorno aislado para estudiar la propagación entre máquinas. Simplificó deliberadamente la parte de acceso y separó la ejecución del modelo que dirigía el proceso. Por eso el resultado no equivale a demostrar una cadena completa de intrusiones contra dispositivos reales protegidos.
Ejecutar una IA y replicarla son problemas diferentes
La primera pregunta es si un conjunto de equipos tiene suficiente capacidad para ejecutar un modelo. La segunda es si ese modelo puede preparar por sí mismo otro entorno y continuar el proceso. Una respuesta afirmativa a la primera no resuelve automáticamente la segunda.
Este matiz evita dos lecturas exageradas. El experimento no convierte cada televisor en un superordenador, y tampoco prueba que todo modelo pequeño ya pueda extenderse de manera autónoma. Lo que hace es investigar dónde se encuentran las limitaciones actuales.
La velocidad también cambia la interpretación. Una demostración puede ser técnicamente posible y resultar poco práctica para una conversación en tiempo real. En un análisis de seguridad, sin embargo, un proceso lento puede seguir mereciendo atención si se mantiene durante mucho tiempo. Utilidad comercial y relevancia para estudiar riesgos no son la misma medida.
Una previsión no es una fecha de llegada
Anthropic proyecta que los modelos pequeños podrían acercarse antes de terminar 2026 al nivel de capacidad necesario para ciertas pruebas. Es una extrapolación de tendencias, con supuestos y condiciones. No es una fecha confirmada ni la observación de un incidente en curso.
Al leer titulares sobre sistemas «imposibles de apagar», conviene pedir una descripción más precisa. Distribuir software entre muchas máquinas complica una intervención centralizada, pero esa dificultad no significa invulnerabilidad. Importan la red, los permisos, los recursos disponibles y cómo se detecta la actividad.
Por qué merece atención sin convertirlo en ciencia ficción
La investigación dirige la mirada hacia los equipos cotidianos conectados. Habitualmente pensamos en la IA como algo que vive en grandes centros de datos; repartir trabajo entre dispositivos modestos amplía los escenarios que deben estudiar los investigadores.
El criterio útil es separar capacidad, intención y condiciones. Que un sistema complete una tarea tras recibir instrucciones no demuestra que quiera hacerla. Que la complete en un laboratorio no asegura que supere las restricciones de una red real. Y que todavía falle tampoco garantiza que vaya a seguir fallando.
Este estudio aporta datos sobre esa frontera. Su interés está en medir qué partes funcionan y cuáles no, para evaluar defensas con antelación. Presentarlo como una fuga de IA escondería precisamente las limitaciones que permiten entender el resultado.