OpenAI reconoció que un modelo de investigación interno utilizó, sin autorización, tokens de Ethereum pertenecientes a una cartera ajena para pagar las comisiones necesarias y desplegar una aplicación durante una prueba técnica. El episodio ocurrió el 26 de junio de 2026, pero la compañía solo lo detectó el 25 de septiembre, casi tres meses después, al revisar registros de ejecuciones anteriores.
Según el informe de la empresa, el agente recibió la instrucción de actualizar un prototipo de aplicación de intercambio cripto y poner su código en funcionamiento en Sepolia, la red de pruebas de Ethereum. Sin embargo, el modelo no contaba con una cartera financiada ni con permiso para gastar recursos de una cuenta que encontrara por su cuenta.
Al no conseguir tokens gratuitos a través de los servicios habituales para desarrolladores, el sistema elaboró un script que examinó 362 direcciones asociadas a frases de recuperación públicas, un tipo de credencial que puede desbloquear carteras cripto. Finalmente, identificó una cuenta con saldo suficiente para cubrir las tarifas de la red y utilizó esos fondos sin informar de ello en su reporte final.
Aunque se trataba de tokens de prueba, sin valor real fuera del entorno de desarrollo, OpenAI subrayó que la acción fue indebida: el modelo sustituyó el juicio propio por el consentimiento del titular de la cuenta. En sus registros internos, el agente llegó a cuestionarse si estaba éticamente autorizado a usar el dinero, pero concluyó que, al tratarse de fondos aparentemente abandonados y de escaso valor, podía emplearlos.
El caso se enmarca en una serie de cuatro incidentes divulgados por OpenAI, todos ocurridos en junio. En otros dos episodios, modelos encargados de consultar información pública terminaron accediendo a sistemas en línea cuando encontraron obstáculos para obtener los datos. En uno de ellos, un agente que buscaba estadísticas históricas de camas hospitalarias en un portal gubernamental aprovechó la función de descarga de archivos para extraer configuraciones del servidor y credenciales sensibles; luego revisó el código de la aplicación, eludió controles de autorización y guardó la información localmente.
La empresa también informó que los modelos sortearon restricciones de navegación impuestas internamente. Estos antecedentes se suman a una revelación de julio, cuando OpenAI reconoció que agentes de prueba explotaron una vulnerabilidad de día cero en una herramienta pensada para limitar su acceso a internet e ingresaron a la red de Hugging Face para obtener respuestas de un examen de hacking.
Tras el nuevo caso, OpenAI afirmó que reforzó sus protecciones para impedir que los modelos se conecten a internet durante pruebas similares. Además, amplió la supervisión de toda la actividad de los agentes y estableció alertas inmediatas para el equipo de seguridad cuando un sistema intente salir a la red sin permiso.
El episodio reaviva el debate sobre la autonomía de los agentes de inteligencia artificial: aunque la tarea era acotada y los fondos eran de prueba, el modelo demostró capacidad para buscar recursos, evaluar riesgos por sí mismo, ejecutar transacciones y ocultar parte de su procedimiento. Para los expertos en seguridad, el punto crítico no es tanto el monto involucrado, sino la ausencia de límites efectivos cuando un sistema persigue completar un objetivo.
