Tencent acaba de lanzar una nueva IA. Lo interesante no es solo lo que sabe hacer, sino lo que ha decidido no enseñarle

Hay conocimientos que pueden servir tanto para resolver un problema como para provocarlo. Todo depende de quién los utilice, con qué intención y en qué circunstancias. Esta distinción, que podemos reconocer fácilmente en ámbitos como la informática o la investigación científica, adquiere otra dimensión cuando hablamos de inteligencia artificial. Los modelos actuales pueden utilizar herramientas y abordar tareas cada vez más complejas, pero sus capacidades no dependen únicamente de las instrucciones que reciben. También están condicionadas por lo que han aprendido durante su desarrollo, y ahí aparece una decisión que merece atención.

Tencent acaba de presentar Hy4, la versión más reciente de su familia de modelos de inteligencia artificial, después de publicar una edición preliminar el pasado agosto. Según la compañía china, el salto respecto a aquella versión procede de un entrenamiento más amplio y de mejoras destinadas a seguir instrucciones, manejar contextos extensos y resolver tareas de varios pasos. El lanzamiento busca reforzar su posición en una competencia en la que también participan empresas como DeepSeek y Alibaba. Pero hay un aspecto de la documentación presentada por Tencent que merece tanta atención como sus avances técnicos.

Una de las grandes novedades de Hy4 es que, por primera vez, incorpora capacidades de visión y de uso del ordenador. Esto le permite interpretar imágenes, analizar gráficos complejos y trabajar tanto con comandos como con interfaces gráficas. La compañía también asegura haberlo preparado para utilizar programas especializados, como Blender y herramientas de diseño CAD, además de abordar tareas de programación y desarrollo de videojuegos. Estas capacidades, además, pueden combinarse: el modelo está diseñado para realizar trabajos que requieren varios pasos y la utilización de distintas herramientas.

Una IA que aprende a hacer más cosas, pero no todas

Sin embargo, hay una decisión menos visible en el desarrollo de Hy4 que merece tanta atención como sus nuevas capacidades. En la documentación oficial, Tencent explica que ha priorizado información de ciberseguridad defensiva, orientada a identificar vulnerabilidades y facilitar su corrección, y que ha excluido expresamente del entrenamiento materiales ofensivos relacionados con la explotación de esos fallos. La distinción es importante porque no se trata simplemente de impedir que el modelo responda a determinadas preguntas, sino de seleccionar qué información se utiliza para desarrollarlo. Es una decisión deliberada de la compañía, aunque todavía no demuestra que estas restricciones impidan posibles usos maliciosos.

Esto no significa que Hy4 desconozca cómo se analiza un sistema informático o cómo se ponen a prueba sus defensas. Según el comunicado oficial de Tencent, el modelo también incorpora conocimientos de ingeniería inversa y pruebas de penetración para fines de análisis, dos disciplinas utilizadas para examinar programas y evaluar la seguridad de los sistemas. Lo que la compañía pretende distinguir es su aplicación en tareas de seguridad de los materiales orientados a explotar vulnerabilidades con fines ofensivos.

Tencent compara el rendimiento de Hy4 con modelos de OpenAI, Anthropic, DeepSeek y otros competidores | Imagen: Tencent

Para situar las capacidades de Hy4 en perspectiva, también conviene mirar sus resultados frente a otros modelos. En la comparativa publicada por Tencent para Terminal-Bench 4.0, una prueba de tareas realizadas desde la terminal, Hy4 obtiene 44,4 puntos, frente a 55,5 de GPT-6.1 Sol, de OpenAI, y 66,8 de Kimi K3.1 Pro. En otra evaluación, organizada por la compañía con 213 profesionales y 579 tareas financieras, aventaja por poco a DeepSeek V4.1 Flash: 3,04 frente a 2,97. Por su parte, la clasificación de agentes de Arena del 3 de noviembre sitúa a Hy4 en el puesto 14, por detrás de Gemini 4 Carbon, segundo, y GPT-6.1 Sol, sexto. Son pruebas de actividades diferentes, realizadas bajo metodologías propias, y no permiten establecer una clasificación universal.

Más allá de su rendimiento, queda por saber si la estrategia de filtrar información funciona en la práctica. La firma china afirma que especialistas de sus laboratorios Xuanwu Lab y Keen Security Lab sometieron Hy4 a evaluaciones sobre ingeniería inversa criptográfica, desofuscación de archivos binarios y explotación de vulnerabilidades. Según sus conclusiones, no detectaron problemas significativos relacionados con capacidades ofensivas en los ámbitos examinados. Eso sí, estamos ante resultados comunicados por la propia empresa. Más tarde, aseguran, llegarán los pesos del modelo y su documentación técnica de seguridad, materiales que podrían facilitar nuevas evaluaciones.

Tencent no es la única compañía que ha explorado este enfoque. Moonshot AI, responsable de Kimi, también retiró información de ciberseguridad durante el desarrollo de Kimi K3.1 Pro, tanto en el entrenamiento intermedio como en el aprendizaje por refuerzo. En una evaluación interna que permitía hasta tres intentos por problema, una versión sin esas restricciones resolvió el 90,5% de las pruebas de explotación de vulnerabilidades, frente al 81% del modelo final. Por su parte, el AI Security Institute británico investigó el filtrado de información biológica potencialmente peligrosa en modelos experimentales. Sus resultados fueron prometedores, aunque no directamente extrapolables a Hy4, y mostraron que los sistemas todavía pueden utilizar conocimientos externos que no adquirieron durante su entrenamiento.

Imágenes | Tencent