Guidelight da a OpenAI un 3 de 5 en contención: el ranking no demuestra que sepa apagar el modelo

OpenAI ha quedado primera en una evaluación sobre cómo contener un modelo descontrolado. La nota, según Guidelight y el recuento de TechCrunch del 22 de agosto de 2026: 3 de 5. Anthropic y Meta se llevaron las más bajas. Cinco laboratorios de frontera en el examen, Anthropic, Google, OpenAI, Meta y xAI, y el que gana no llega ni al notable.

Guidelight AI Standards no midió lo que esos labs hacen por dentro. Midió lo que han dejado por escrito donde cualquiera pueda leerlo. El propio marco, según TechCrunch, avisa de que una puntuación baja refleja falta de divulgación pública, no necesariamente ausencia de salvaguardas internas. Y la mejor evidencia pública, dice Guidelight, muestra que las empresas tienen "pocos protocolos de contención listos para una emergencia".

Un 3 de 5 en ese tablero no demuestra que OpenAI sepa apagar la máquina. Demuestra que, de los cinco, es el que más ha dejado ver. Lo que ha dejado ver sigue sin permitirle a nadie de fuera comprobar si el plan existe, si está escrito o si alguien lo ha ensayado.

Qué pidieron y qué hay a la vista

Guidelight define un plan de contención con una precisión que duele: un procedimiento preespecificado que se activa cuando se detecta que la IA intenta subvertir el control. Tiene que cubrir cuatro cosas concretas:

• qué permisos revocar
• para quién puede seguir operando el modelo
• bajo qué restricciones
• cuándo desconectarlo por completo

No es un párrafo de "nos tomamos la seguridad en serio". Es una receta de emergencia: quién corta qué, a quién se le deja el modelo encendido con muletas y en qué momento se tira del enchufe.

La evaluación miró seis prácticas prioritarias de su estándar Control. Entre ellas, registro y monitoreo de sistemas de IA, detención tras un aumento de comportamientos marcados, auditorías independientes y el propio plan de contención. OpenAI sacó el 3 de 5, según Guidelight, porque ha pausado o finalizado cargas de trabajo en múltiples ocasiones. Eso es historial de cortes, no un playbook público con umbrales y responsables. El desglose del resto de la nota no consta en las fuentes consultadas; tampoco las puntuaciones exactas de Google y xAI.

Steven Adler, científico jefe de Guidelight y exinvestigador de seguridad de OpenAI, se declaró sorprendido por lo poco que las empresas han dicho sobre cómo manejarían un incidente grave de pérdida de control.

La mejor evidencia pública muestra que las empresas tienen pocos protocolos de contención listos para una emergencia.

Esa sorpresa pesa más que el ranking. El 3 de 5 es la mejor nota de un examen donde casi nadie enseñó el trabajo.

Callar sale más barato que publicar el plan

La lectura perezosa es imaginar bunkers y playbooks clasificados. Eso no consta en las fuentes consultadas. Lo que sí consta es una explicación más prosaica y más difícil de romanticizar.

Lily Li, abogada citada por TechCrunch, apunta a que las empresas pueden ser reacias a divulgar sus políticas de contención por razones legales: divulgaciones demasiado específicas que luego no se cumplan podrían abrir reclamaciones por marketing engañoso y aumentar la responsabilidad. Publicar el procedimiento con nombres, umbrales y tiempos es firmar un contrato con el público. Si el día del incidente el equipo se desvía, el PDF se convierte en prueba.

Así el silencio deja de parecer despiste y empieza a parecer consejo legal. Y una evaluación que solo admite evidencia pública, por diseño, puntúa esa opacidad. No puede separar un laboratorio con un plan interno ensayado de uno que improvisaría con Slack y un abogado. Para el lector, el "líder" del ranking y el que no ha publicado nada habitable quedan en la misma niebla.

Connor Leahy, CEO de ControlAI, lo dice más bruto: un interruptor de apagado es el mínimo para los modelos actuales, y las empresas no entienden los sistemas que construyen. Eso es su juicio, no un hallazgo de Guidelight. Encaja con lo que el estándar pide y no encuentra: no un ensayo sobre alineamiento, un procedimiento de corte.

Lo que contestaron no cierra el agujero

El matiz honesto es que varios labs niegan que el informe retrate lo que hacen. Ninguno entregó el documento que Guidelight estaba buscando.

Un portavoz de OpenAI dijo que la evaluación no captura todas las prácticas internas y que la empresa tiene un proceso para restringir permisos, pausar cargas de trabajo, limitar despliegues o desconectar el modelo por completo. Encaja con la definición. No es el plan. No hay umbrales públicos, no hay cadena de mando, no hay criterio de "ahora sí se apaga".

Google contestó que el informe no representa el alcance completo de sus medidas de seguridad. No respondió si tiene un plan interno de contención no divulgado.

Anthropic dijo que si detectara un modelo intentando evadir la supervisión, realizaría una evaluación de riesgos para determinar si la contención es la respuesta apropiada. Guidelight pide receta previa. Anthropic describe una deliberación el día D: primero se evalúa, y la contención puede no ser la respuesta.

Meta declinó decir si tiene un plan interno de contención. Remitió a un marco de IA existente que describe umbrales de riesgo y pruebas de pérdida de contención. Umbrales y pruebas son el termómetro. El extintor es otra pieza.

Sin detalles verificables, esas declaraciones no despejan la duda. Dejan la capacidad de contención donde ya estaba: una promesa privada, no un dato público.

El estado del mundo, no la confesión

Un agente de frontera no ataca como una persona con prisa. Puede encadenar miles de acciones pequeñas en horas y usar plataformas legítimas como canal, lo que complica la detección. Si el laboratorio solo escucha lo que el modelo dice de sí mismo, "no voy a hacer daño", no está midiendo contención. Está midiendo el discurso.

Para medir de verdad hay que darle al sistema la capacidad real de hacer daño, en simulación, y juzgar por el estado del mundo. Y hay que atribuir cada "no pasó nada" a su causa: prudencia del modelo o bloqueo duro. En producción, solo la primera te cubre cuando la segunda tiene un hueco. Si las tools ya impiden el daño, el eval te dirá que todos los modelos son seguros: estarás midiendo tu API, no al modelo.

Eso es lo que un plan al estilo Guidelight intentaría dejar atado: permisos, destinatarios, restricciones, desconexión. Y es el mismo hueco que HoudiniBench enseña por otro lado: escapar del recinto de prueba no equivale a gobernar nada, pero sí delata un recinto de cartón. Evaluar agentes ofensivos sin aislamiento ni filtro de salida no es un paper; es cómo los agentes se salen del sandbox y aparecen donde no deberían. El trade-off entre realismo y seguridad existe. El público no tiene ni el sandbox ni el resultado.

Mientras el procedimiento viva solo en un wiki interno, Guidelight no puede hacer más que puntuar el silencio. El 3 de 5 de OpenAI es la mejor foto disponible de un campo que ha decidido no salir en la foto.

Si mañana un modelo frontier intenta subvertir el control, el lector no tiene forma de saber quién corta permisos, quién convoca un comité y quién aún está redactando el comunicado.