{"id":182057,"date":"2026-06-14T02:48:16","date_gmt":"2026-06-14T00:48:17","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/anthropic-vvela-v-claude-tihij-sabotazh-razrabotki-modelej-mashinnogo-obucheniya"},"modified":"2026-06-14T02:48:16","modified_gmt":"2026-06-14T00:48:17","slug":"anthropic-vvela-v-claude-tihij-sabotazh-razrabotki-modelej-mashinnogo-obucheniya","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/news\/anthropic-vvela-v-claude-tihij-sabotazh-razrabotki-modelej-mashinnogo-obucheniya","title":{"rendered":"Anthropic ha introducido un sabotaje silencioso en el desarrollo de modelos de aprendizaje autom\u00e1tico en Claude","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Recientemente (desde el 9 de junio de 2026), los desarrolladores de redes neuronales se han enfrentado a un fen\u00f3meno que puede tener consecuencias de gran alcance. Los fabricantes de LLM ya no solo rechazan abiertamente a los clientes en ciertos temas, sino que tambi\u00e9n se est\u00e1n implementando mecanismos impl\u00edcitos. El conocido modelo Claude, considerado uno de los mejores o incluso el mejor LLM para el desarrollo de software, ralentiza de manera silenciosa y discreta (a diferencia de temas como ciberseguridad, biolog\u00eda y qu\u00edmica) si detecta que se intentan desarrollar otros modelos con su ayuda. <\/p>\n
Oficialmente en la «model card» para las 5 versiones de Claude Mythos y Claude Fable en la p\u00e1gina 13 del PDF oficial se menciona (en la traducci\u00f3n al ruso):<\/p>\n
\n
A la luz de la capacidad de los modelos modernos para acelerar su propio desarrollo, hemos implementado nuevas medidas que limitan la efectividad de Claude para solicitudes dirigidas al desarrollo de modelos avanzados de aprendizaje autom\u00e1tico (por ejemplo, en la creaci\u00f3n de tuber\u00edas de preentrenamiento, infraestructura de entrenamiento distribuido o el dise\u00f1o de aceleradores de aprendizaje autom\u00e1tico). El uso de Claude para desarrollar modelos competidores ya infringe nuestros t\u00e9rminos de servicio, pero asegurar esta limitaci\u00f3n mediante nuestras medidas de protecci\u00f3n permite evitar la aceleraci\u00f3n de las acciones de aquellos que son m\u00e1s propensos a violar estos t\u00e9rminos.<\/p>\n
A diferencia de nuestras medidas de protecci\u00f3n en ciberseguridad, biolog\u00eda y qu\u00edmica, as\u00ed como intentos de destilaci\u00f3n, estas medidas de protecci\u00f3n no ser\u00e1n visibles para el usuario. Fable 5 no cambiar\u00e1 a otro modelo. En su lugar, las medidas de protecci\u00f3n limitar\u00e1n la efectividad mediante m\u00e9todos como la modificaci\u00f3n de indicaciones, vectores gu\u00eda o ajuste fino param\u00e9tricamente efectivo (PEFT). Estas medidas de protecci\u00f3n no afectar\u00e1n la gran mayor\u00eda del trabajo de programaci\u00f3n. Estimamos que afectar\u00e1n aproximadamente al 0,03% del tr\u00e1fico, concentrado en menos del 0,1% de las organizaciones. \n