OpenAI detiene una campaña de extracción de razonamiento vinculada a afiliados de Moonshot AI

OpenAI anunció que desarticuló una campaña coordinada de destilación diseñada para extraer de forma sistemática las capacidades ocultas de razonamiento de sus modelos de inteligencia artificial. La compañía vinculó un núcleo clave de esta actividad a personas afiliadas a Moonshot AI, con sede en Pekín, aunque OpenAI no presentó pruebas técnicas específicas para respaldar dicha atribución.

Manipulación de trazas de razonamiento cifradas

Según OpenAI, los atacantes no vulneraron bases de datos internas, no rompieron el cifrado ni accedieron directamente a las conversaciones de los usuarios. En su lugar, la campaña manipuló las interacciones habituales con los modelos para forzar a que los procesos internos de razonamiento se mostraran en las respuestas visibles, violando los términos de servicio de la plataforma. La actividad comenzó con un volumen bajo el 1 de julio de 2026, antes de registrar un pico los días 24 y 25 de julio con 16 000 solicitudes de extracción a través de más de 4000 cuentas. Los investigadores detectaron patrones de peticiones relacionados en más de 15 000 usuarios antes de interrumpir completamente la operación el 28 de julio de 2026.

La técnica se basa en la destilación maliciosa, mediante la cual un actor no autorizado utiliza las salidas de un sistema de IA objetivo para entrenar, perfeccionar o replicar capacidades en otro modelo. OpenAI cerró una vía vulnerable que permitía a atacantes con acceso a la traza cifrada de otro usuario reproducirla y recuperar su contenido en texto plano. Asimismo, la empresa implementó controles automatizados para interceptar respuestas en tiempo real que intentaran exponer los pasos de razonamiento, además de suspender las cuentas vinculadas a la operación.

Vulnerabilidades generales en los modelos e impacto en la industria

Esta desarticulación coincide con una investigación académica más amplia realizada en agosto de 2026 por MATS Research, ELLIS Institute Tübingen y Synk. Los investigadores identificaron vulnerabilidades sistémicas en modelos de GPT, Claude y Gemini, donde las trazas cifradas de razonamiento resultaban intercambiables entre distintas sesiones y usuarios. Al inyectar trazas robadas en modelos menos protegidos y más débiles dentro del mismo ecosistema de un proveedor, los atacantes podían obligar al sistema a revelar el razonamiento paso a paso sin necesidad de vulnerar directamente el modelo principal.

OpenAI señaló que la destilación no supervisada plantea riesgos de seguridad, ya que el razonamiento extraído puede transferir capacidades avanzadas —incluidas habilidades técnicas de doble uso— a modelos de terceros, eludiendo los filtros de contenido y los controles de seguridad originales. Este incidente representa otra disputa sobre extracción que involucra a Moonshot AI; anteriormente, Anthropic afirmó que dicha empresa redirigía peticiones de sus clientes a Claude para ofrecer respuestas y conservar los diálogos para entrenar sus propios modelos de cadena de pensamiento bajo el identificador GTG-16002.

Ilustración editorial generada con IA; no es una fotografía documental.

Fuente: OpenAI Disrupts Reasoning Extraction Campaign Linked to Moonshot AI Associates