XBOW dice que seis días con GPT-5.6 Sol produjeron una cadena Chrome de tres fallos que Google reprodujo y premió con 250.000 dólares. Una cadena funcional muestra cómo debilidades cruzan defensas, más que código sospechoso o un informe generado sin verificar.
Lo divulgó el 13 de octubre de 2026, tras montar la versión premiada entre el 2 y 7 de agosto durante Black Hat y DEF CON. Dice que los tres defectos están corregidos y no se observaron ataques a usuarios. El relato no prueba una campaña actual ni describe un navegador plenamente actualizado.
La condición clave es dirección humana. Expertos eligieron objetivos, dividieron trabajo, revisaron salidas, aportaron técnicas e integraron etapas. Es una operación potente, no un modelo que recibe un objetivo genérico y compromete solo un navegador endurecido.
Tres fallos cruzaron fronteras distintas
El primero afectó a Maglev, compilador JavaScript V8, y una suposición incorrecta sobre estado mutable durante desoptimización. Dio acceso dentro de la región protegida, no ejecución irrestricta fuera del renderer.
El segundo afectó WebP animado: los datos usados podían diferir de los comprobados. XBOW lo identifica como CVE-2026-85045. Ayudó a salir de la región anterior y ejecutar dentro del renderer; no significa que una imagen venciera todas las defensas.
El último fue Crashpad, componente Windows fuera de la sandbox. Podía fallar la premisa de que un proceso suspendido permanece estable durante lecturas de diagnóstico. CVE-2026-78952 permitió, según el equipo, demostrar Calculadora fuera de la sandbox.
Los tres trataron estado cambiante como fijo. El riesgo estaba en conectarlos. La estimación de mil millones de usuarios Windows Chrome es alcance potencial, no máquinas atacadas ni exposición idéntica de todos.
La duplicación mostró el valor del diseño modular
El proyecto empezó antes. La primera cadena tomó unos dos meses y Google notificó que un componente ya era conocido. Una duplicación reduce recompensa aunque el trabajo sea real.
No descartaron todo: separaron capacidades y conservaron alternativas. Cambiar el tramo medio por WebP preservó los otros. Eso muestra arquitectura y juicio experto, no solo persistencia del modelo.
Los agentes buscaron código, comprobaron hipótesis y prepararon demostraciones y componentes en paralelo. Los investigadores distribuyeron recursos y descartaron enfoques poco prometedores. El trabajo anterior de especialistas aportó ejemplos reutilizables. Los últimos seis días se apoyaron así en conocimiento de los objetivos y experiencia acumulada, no en una única instrucción sin preparación.
XBOW compara el trabajo con proyectos anteriores de cadenas completas que ocuparon a cuatro investigadores entre seis y nueve meses. Es una valoración histórica del equipo, no un estudio controlado de productividad. Cambian objetivos, técnicas disponibles, experiencia y azar. Aun así, muestra que agentes paralelos pueden acortar muchas iteraciones con expertos capaces de dirigirlos y evaluar resultados.
El coste de cómputo no es el precio de comprometer Chrome
Los 40.000 dólares aproximados se reconstruyeron de logs Codex para los seis días premiados. Excluyen salarios, ensayos previos, primera cadena, infraestructura, gestión y conocimiento. Los registros públicos no auditan todo el proyecto.
Compararlos directamente con 250.000 engaña sobre margen. Fallos, duplicados, errores corregidos y pruebas frágiles consumen sin cobrar. Google limita además bonos completos tras abril de 2026: no hay mercado ilimitado para envíos automáticos.
Las reglas públicas exigen sistemas actuales compatibles y mitigaciones normales, sin flags inseguros. La categoría se verifica aparte de ser supuesto primer premio o primero de la era de modelos. No se aportó un historial completo para confirmar cada posición.
Reproducción y reparación del proveedor son el anclaje externo fuerte. No establecen división exacta humano/modelo, coste completo o plazo universal de seis días. Cada afirmación requiere otra evidencia.
La guía experta explica la diferencia aparente con evaluaciones
OpenAI halló que GPT-5.6 Sol descubría fallos y primitivas, pero no ensamblaba autónomamente una cadena contra Chromium o Firefox endurecidos. Lo clasificó con alta capacidad cibernética, por debajo del umbral crítico.
El equipo experto asumió los pasos considerados difíciles en las evaluaciones: elegir pistas valiosas, distinguir primitivas aprovechables de vías sin salida, coordinar alternativas e integrar la cadena final. El éxito no contradice de forma directa una prueba de autonomía. Muestra una organización construyendo un sistema más capaz alrededor del modelo.
La distinción importa al prever riesgos. Elegir objetivos e integrar con fiabilidad sin ayuda daría otra escala a operadores menos experimentados. Por ahora la automatización amplifica primero a organizaciones que ya tienen técnicas, entornos y revisores. Descubrir cada defecto independientemente en un año sigue siendo una predicción, no el resultado demostrado aquí.
También hay ruido: duplicados, crashes inexplotables, límites mal entendidos y pruebas inestables. Más envíos no equivalen a fallos nuevos peligrosos. Importa que sobrevivan novedad, reproducción y crucen una frontera real.
Los defensores necesitan validar más rápido, no pánico
Los proveedores deben examinar supuestos entre componentes y si defectos limitados se combinan. También necesitan capacidad de reproducción y validación de parches. Encontrar más solo ayuda al separar exposición real de afirmaciones pobres y desplegar arreglos efectivos.
Para usuarios importa cargar el parche. Reiniciar tras actualizar y comprobar versión cierra la distancia con un proceso antiguo de larga duración. Es mantenimiento, no afirmar actividad de la cadena reparada en versiones actuales.
La siguiente prueba fuerte sería otra cadena confirmada en un objetivo distinto, con tiempo total, intervención y costes transparentes. Hasta entonces, no es demostración inocua ni compromiso autónomo a demanda: la IA acelera una investigación experta mientras novedad, integración y responsabilidad deciden.
Lectura relacionada con documentar el contexto de trabajo: bases de conocimiento de documentos técnicos.