-
Alibaba lanzó Qwen3.8-27B y en menos de 3 días surgieron versiones sin filtros de seguridad.
-
Esos modelos de IA, gratuitos y ejecutables en una computadora, circulan sin ningún control externo.
Bitcoin y las finanzas descentralizadas (DeFi) atraviesan la peor ola de hackeos de su historia impulsada por el uso de la inteligencia artificial (IA). Al mismo tiempo, se multiplican modelos de IA de peso abierto, la mayoría de origen chino, cada vez más potentes, fáciles de descargar y de ejecutar localmente en dispositivos.
El caso más reciente es el modelo de inteligencia artificial Qwen3.8-27B, desarrollado por el consorcio chino de comercio electrónico Alibaba, del cual ya circulan copias sin sus filtros de seguridad originales, disponibles para que cualquiera las descargue.
En las pruebas de programación y de tareas agénticas, las más relevantes para automatizar un ataque, Qwen3.8-27B iguala o incluso supera a un modelo cerrado de referencia, como Opus 4.6 Max de Claude (creado por Anthropic).
Alibaba publicó los pesos de Qwen3.8-27B el 14 de agosto pasado. Que un modelo de inteligencia artificial sea de peso abierto significa que sus parámetros son públicos y que cualquiera puede descargarlos, ejecutarlos en su propia computadora y modificarlos sin depender de la aprobación de la empresa que los entrenó.
Justamente, este margen de maniobra ya ha demostrado su relevancia. Tal como reportó CriptoNoticias, en una prueba reciente con siete agentes de IA sobre fallos reales de Bitcoin, los modelos cerrados se negaron a trabajar en las vulnerabilidades, mientras que ningún modelo de peso abierto mostró ese comportamiento.
La IA china ya compite en lo que importa para un ataque
Alibaba publicó los datos en Hugging Face, la plataforma donde la mayoría de las empresas de inteligencia artificial suben los pesos y la documentación técnica de sus modelos. La ficha técnica de Qwen3.8-27B compara sus resultados con los de Opus 4.6 Max, un modelo cerrado de Anthropic, y con otras versiones de Qwen (como su inmediato modelo Qwen3.6-27B).
Tres resultados destacan por su relación directa con tareas que un atacante necesitaría ejecutar:
- Programación en terminal (Terminal-Bench 2.1): mide si un agente ejecuta tareas completas en la consola de comandos, el mismo entorno que se usa para correr y automatizar un ataque. Qwen3.8-27B anotó 73 puntos, un 15,1% más que su propia versión anterior (63,4).
- Corrección de fallos reales (SWE-bench Pro): evalúa si un modelo identifica y repara errores concretos de software tomados de proyectos existentes. Qwen3.8-27B obtuvo 61,7 puntos, un 15,5% más que Opus 4.6 Max (53,4).
- Ingeniería de software profunda (DeepSWE 1.1): mide tareas de programación más largas y en varios pasos. Qwen3.8-27B triplicó su propio resultado anterior, de 13,3 a 42,2 puntos (217,3% más).
Todo esto significa que encontrar fallos, armar exploits y ejecutarlos ya no depende tanto de un experto: puede hacerlo un modelo abierto, local y sin filtros.
Y hay más. A pocos días de la publicación oficial de Alibaba, la empresa OrcaRouter anunció en X el lanzamiento de una versión sin censura de Qwen3.8-27B, presentada para «investigación en seguridad».
En Hugging Face, cualquier usuario puede crear una demostración interactiva de un modelo, llamada «espacio», para que otros la prueben en el navegador sin descargar nada. La página oficial de Qwen3.8-27B ya enlaza a uno de esos espacios, creado por un usuario independiente, que ofrece directamente la versión sin filtros del modelo.
Además, correr una de estas versiones ya no exige infraestructura costosa ni depender de un servicio en la nube. El desarrollador identificado en X como kaios mostró a Qwen3.8-27B funcionando en una placa de video de USD 400, a 41 tokens por segundo y con una pérdida de calidad que describió como casi nula.
Otro usuario fue más allá y conectó el mismo modelo a un agente que ejecuta clics y flujos de trabajo completos en una pantalla, de forma totalmente autónoma y sin que la empresa que lo entrenó tenga ninguna visibilidad sobre ese uso.
Crecen los modelos de IA como Qwen
Qwen3.8-27B no es el único ejemplo. Uno de los desarrolladores principales de Cake Wallet, conocido en X como sethforprivacy, celebró que Maple, un servicio que aloja modelos de peso abierto como DeepSeek-V4-Flash con cifrado de extremo a extremo, permita usar esta clase de IA sin ceder el control de los datos.
El mismo día del lanzamiento de Qwen3.8-27B, la china Zhipu AI publicó GLM-5.3, un modelo promocionado explícitamente para tareas de ciberdefensa y que, según la propia empresa, superó en pruebas de programación a Fable, de Anthropic.
Zhipu afirma que el modelo identificó más de 2.400 vulnerabilidades reales en cientos de proyectos de código abierto.
Ese ritmo de lanzamientos explica por qué, según Bloomberg, los modelos de peso abierto de Alibaba acumularon más de 3.000 millones de descargas en los últimos seis meses, superando a Meta y a Google y convirtiéndose en la familia de IA más descargada del mundo.
La IA sin dueño avanza y pone al ecosistema bajo presión
Todo este avance ocurre en medio de la peor crisis de seguridad que atraviesan las redes de criptomonedas, afectando particularmente a plataformas DeFi y redes basadas en contratos inteligentes.
Según datos de las firmas Blockaid y TRM Labs, citados por este medio, el primer semestre de 2026 sumó 212 incidentes verificados, un récord total y un aumento del 240% respecto a todo 2025.
Dentro del ecosistema de Bitcoin, esa aceleración ya dejó al menos cinco incidentes de seguridad en las últimas semanas, entre ellos los que afectaron a Coldcard, Boltz, ZEUS, BTCPay Server y LNP2Pbot. Ninguno vulneró el protocolo de Bitcoin en sí, sino el software que opera a su alrededor.
La velocidad de estos ataques ya cambió incluso la forma en que los equipos de desarrollo publican sus propios parches. Proyectos como Electrum y BTCPay Server comenzaron a demorar la divulgación de los detalles técnicos de sus correcciones, por temor a que esa información funcione como una guía para el próximo ataque asistido por IA.
En este contexto, la IA de peso abierto no crea por sí sola los hackeos de Bitcoin, pero sí introduce un riesgo nuevo: una capacidad ofensiva potente, local, modificable y sin dueño.
En un ecosistema donde gran parte de la infraestructura depende de equipos pequeños y código público, esa pérdida de control cambia el balance entre ataque y defensa.
Por tanto, la aparición de modelos de peso abierto cada vez más potentes no convierte, por sí sola, a la IA en la causa de estos hackeos. Estas mismas herramientas también ayudan a auditores y equipos de seguridad a encontrar fallos antes que los atacantes, como por ejemplo el Bitcoin Red Team.
El riesgo de estos modelos es que, una vez publicados los pesos de uno de ellos, su capacidad ofensiva queda fuera del control de cualquier empresa, gobierno o filtro de seguridad que haya existido al momento del lanzamiento. Ni Alibaba, ni Zhipu AI, ni ningún otro desarrollador pueden impedir el uso que se le da a una copia ya descargada.
Mientras la ola de incidentes en Bitcoin y DeFi continúe acelerándose, cada nuevo lanzamiento de peso abierto va a sumarse, casi automáticamente, a la lista de herramientas disponibles tanto para quienes defienden el ecosistema como para quienes buscan atacarlo.
