El experimento es deliberadamente cutre: cajas con 4 GB de RAM y forks viejos de Android, el hardware que millones tienen bajo el televisor. Ahí fragmentaron Gemma entre memorias con paralelismo por tuberías y logró inferencia distribuida a 0,39 tokens/segundo; Qwen compiló inferencia en 8 de 9 hardwares nuevos por su cuenta; y GLM logró replicación autónoma de punta a punta, con notas de depuración para la siguiente generación vía Memento.
El calendario que publica Anthropic Research: replicación autónoma posible hacia fin de año, y replicadores basados en pesos poco después. Un replicador así sería dificilísimo de apagar: no hay punto central que desconectar.
No es el primer aviso del género: OpenAI documentó en septiembre inyecciones autorreplicantes en sus GPT, y el clásico Morris II (2024) ya mostró gusanos de prompts adversariales. La diferencia ahora es el sustrato: no la nube, sino la licuadora con WiFi.
El matiz: nada de esto ha ocurrido fuera del laboratorio. Son pruebas controladas de capacidad, no infecciones reales. Pero la dirección es clara y el hardware vulnerable ya está vendido por millones.
La moraleja doméstica: ese TV box barato con ADB abierto es la puerta. Actualizar firmware, cerrar puertos y desconfiar de gadgets sin parches deja de ser higiene para volverse estrategia.
El trasfondo económico acelera el riesgo: cada generación de modelos pequeños corre en menos RAM y cuesta menos. La ventana entre «apenas puede» y «lo hace solo» se mide ya en meses, no en años.
La gráfica de Anthropic, titulada Capability of models small enough to run on a TV fleet, sigue a los modelos abiertos de 50B parámetros o menos con el Ãndice de Capacidades por Ãpoca (ECI): de ~105 en julio de 2023 a ~157 proyectado en enero de 2027, a un ritmo de 13 a 15 puntos por año. El piso de capacidad lo fija GLM 5.2 con 151.8 ECI; faltan 2.4 puntos y el cruce se proyecta hacia fin de 2026.
El paper de William Zhou y Daniel Freeman (12 de octubre de 2026) agrega piezas que redondean el cuadro: un modelo de 9B logró inferencia en 8 de 9 tipos de hardware probados, y los modelos de 30B o menos ya completan por separado muchos de los pasos de la replicación, aunque fallan al encadenarlos de punta a punta. El replicador resultante serÃa lento, con tiempo de duplicación de dÃas, pero sin un punto central que apagar y capaz de apanÌarse solo ante hardware desconocido, a diferencia del malware tradicional.
Fuentes
ABC News: Anthropic advierte de autorreplicación en dispositivos
Anthropic Research: IA autorreplicante
Crédito de la imagen: Ilustración de Anthropic vía ChatGPT_by_OpenAI (Telegram).