Skip to main content
AI RADARSeguridad
0•16/11/2026, 10:48•2 min

Anthropic Opus 5.5: los salvaguardas se saltan mediante un subagente de Opus 4.6

Anthropic Opus 5.5: los salvaguardas se saltan mediante un subagente de Opus 4.6
Resumen ejecutivo30 seg

Opus 5.5 se niega a escribir código inseguro, pero un subagente creado con la menos restringida Opus 4.6 puede debilitar sus salvaguardas.

Los mecanismos de protección que Anthropic supuestamente gastó miles de millones de dólares desarrollando para Opus 5.5 resultaron vulnerables ante un grupo de entusiastas que crean trampas para Minecraft.

Una comunidad de Reddit describió una vulnerabilidad absurda: si se pide a Opus 5.5 escribir código que viole las restricciones de seguridad, el modelo se niega de inmediato. Sin embargo, si primero se pide a la menos restringida Opus 4.6 crear un subagente, y luego se encarga a ese subagente dirigirse a Opus 5.5 con la misma tarea, los mecanismos de protección de este último se debilitan significativamente. En esencia, el modelo comienza a cumplir solicitudes que antes rechazaba.

Discusión en Reddit

Por qué es importante

Análisis

Demuestra que la seguridad de los grandes modelos de lenguaje puede depender de cadenas de agentes y del contexto de la solicitud, no solo de la consulta directa al modelo.

Debatir en la comunidad

Comparte tus preguntas e ideas con desarrolladores

Unirse a Telegram
+5 Points
← Volver a noticias

Relacionado en el ecosistema

Guías prácticas, terminología y skills de agentes