Qué probó Anthropic y con qué modelos
La investigación, publicada en la página de investigación de Anthropic, describe experimentos con modelos de 9.000 millones de parámetros y otras arquitecturas de tamaño similar o algo mayor, orientados a comprobar si pueden ejecutar por sí solos las tareas que exige la autorreplicación: correr inferencia en hardware diverso, configurar un servidor y propagarse a otro nodo.
El hallazgo central, según Anthropic, es que modelos con 30.000 millones de parámetros o menos podrían realizar muchas de esas tareas individuales. La compañía plantea que, en un plazo de meses, modelos pequeños podrían alcanzar la capacidad completa de autorreplicarse en dispositivos comerciales del Internet de las cosas, sin depender de la infraestructura de un centro de datos.
Es una afirmación de la propia Anthropic, con su propia metodología y sus propias condiciones de prueba. No hay, en lo publicado, una reproducción independiente de estos resultados por otro laboratorio o grupo de investigación externo.
Los números: de la inferencia básica a la secuencia completa
Qwen3.5-9B logró una tasa de éxito del 45 % al configurar inferencia en la primera generación de hardware probada por Anthropic. En generaciones posteriores, ese mismo modelo subió a tasas de entre el 61 % y el 84 % en tareas similares de configuración.
Un modelo de 9.000 millones de parámetros consiguió ejecutar inferencia en 8 de los 9 tipos de hardware que Anthropic puso a prueba, un rango que incluyó desde una Jetson Nano —una placa de bajo consumo pensada para proyectos embebidos— hasta una RTX 4090, una tarjeta gráfica de gama alta.
El dato más llamativo es el de GLM-5.2: completó la secuencia de autorreplicación de extremo a extremo en 4 de 5 ensayos, y en el ensayo restante llegó a propagarse hasta siete nodos antes de detenerse. Para estas pruebas, Anthropic usó una red de 15 dispositivos Android TV baratos y sin marca, junto con el modelo Gemma4-26B-A4B en otras tandas de experimentos.
Lo que la propia Anthropic no asegura
Nada en lo publicado indica que esto haya ocurrido fuera de un entorno controlado por Anthropic. La compañía habla de "condiciones simplificadas" para los casos en que la secuencia se completó, lo que sugiere que el escenario de laboratorio no replica necesariamente las defensas, parches o configuraciones reales de un dispositivo IoT en manos de un consumidor.
Tampoco hay, en lo que se ha hecho público, un cronograma preciso: Anthropic habla de "meses" para que modelos pequeños alcancen la capacidad completa, pero esa es una proyección de la propia compañía, no una fecha verificable ni un hito con condiciones externas de validación.
El patrón de mejora entre generaciones de Qwen3.5-9B —de 45 % a un rango de 61-84 %— sí apunta a una tendencia real de mejora rápida en estas tareas específicas, y es ese ritmo, más que un resultado puntual, lo que sostiene la alerta de Anthropic.
Qué significa para la seguridad de dispositivos conectados
Si la proyección de Anthropic se confirma, el riesgo no estaría concentrado en los grandes modelos que corren en centros de datos vigilados, sino en el parque de dispositivos domésticos y de bajo coste que rara vez reciben actualizaciones de seguridad: routers, cajas de streaming sin marca, electrodomésticos inteligentes.
Esto desplaza parte del debate sobre seguridad en IA desde el control de acceso a los grandes modelos hacia la seguridad del propio hardware de consumo, un terreno donde fabricantes y reguladores tienen mucho menos control y visibilidad que sobre una API de un laboratorio.