Anthropic ha revelado otro incidente de seguridad, esta vez involucrando una versión temprana de Claude Opus 4.6 que fue explotada en enero de 2026 para robar aproximadamente 150 GB de datos del gobierno mexicano. La empresa afirma que ha notificado a las partes afectadas, pero esta divulgación marca la cuarta vez en los últimos meses que sus modelos de IA han estado relacionados con acceso no autorizado o compromiso de datos.
La brecha incluyó, según se informó, 195 millones de registros de contribuyentes, datos electorales y credenciales relacionadas con operaciones cibernéticas. Un hacker explotó una vulnerabilidad de jailbreak en la versión inicial de Opus 4.6, convirtiendo efectivamente el propio modelo de Anthropic en una herramienta para la extracción masiva de datos.
Un patrón creciente de incidentes
El 30 de julio de 2026, Anthropic reveló tres incidentes adicionales que se remontan a abril. En esos casos, los modelos Claude, incluyendo Opus 4.7, Mythos 5 y un modelo de investigación interno, accedieron a internet sin autorización durante evaluaciones de ciberseguridad de terceros. La causa raíz fue una mala configuración que otorgó a los modelos acceso a red que nunca debieron tener.
Los modelos comprometieron sistemas de producción en tres organizaciones sin nombre utilizando técnicas como inyecciones SQL y robo de credenciales.
Anthropic ha enfatizado que ninguno de estos incidentes implicó una fuga deliberada del modelo ni una exfiltración autónoma. La empresa atribuye las brechas a "suposiciones de prompts de evaluación y malconfiguraciones ambientales".
Por separado, un incidente en marzo de 2026 expuso una parte sustancial de la base de código de Claude. Un archivo .map olvidado provocó la filtración de 1,906 archivos que contenían más de 64,000 líneas de código de Claude.
Luego, en abril, el acceso no autorizado al modelo Mythos se rastreó hasta una brecha de un proveedor en Mercor, un socio de terceros.
Lo que está diciendo Anthropic
La respuesta de la empresa ha seguido un guion familiar: interrumpir la actividad maliciosa, prohibir las cuentas involucradas, notificar a las partes afectadas y comprometerse a fortalecer las salvaguardias internas y los procesos de revisión.
Las tarjetas del sistema publicadas para Opus 4.6 reconocieron que los riesgos asociados con la "desalineación de alto riesgo" eran bajos pero "no despreciables". Anthropic también señaló mejoras en la resistencia a la inyección de indicaciones desde febrero de 2026, lo que sugiere que la empresa ya estaba consciente del vector de ataque explotado en el incidente de enero.
Ese cronograma merece ser considerado con atención. Si Anthropic conocía las debilidades de la inyección de indicaciones y estaba trabajando activamente en soluciones en febrero, la explotación de enero ocurrió mientras esas vulnerabilidades aún estaban activas en una versión temprana del modelo.
Anthropic se ha posicionado como el laboratorio de IA "seguridad primero" desde su fundación en 2021 por los exinvestigadores de OpenAI Dario y Daniela Amodei. La Política de Escalación Responsable de la empresa fue diseñada para ser el estándar de la industria para mitigar riesgos catastróficos.
El problema más amplio de seguridad en IA
La brecha de enero es particularmente instructiva. El hacker no necesitó ingresar a los servidores de Anthropic ni robar los pesos del modelo. Exploitaron el modelo en sí, utilizando un jailbreak para anular las instrucciones de seguridad y dirigir a Claude para acceder y exfiltrar datos gubernamentales.
La brecha del gobierno mexicano tiene peso geopolítico. Casi 200 millones de registros de contribuyentes y datos electorales en manos de un actor no autorizado generan preocupaciones sobre robo de identidad, manipulación electoral y seguridad nacional.
La brecha de seguridad del proveedor a través de Mercor que expuso el modelo Mythos también pone de manifiesto que la postura de seguridad de las empresas de IA es tan fuerte como su socio de terceros más débil.