OpenAI eleva hasta 172.000 dólares la recompensa máxima por un fallo crítico

OpenAI prepara otro sprint interno de seguridad con investigadores de Cathedral. Trabajarán junto a los equipos de la empresa y usarán modelos de OpenAI para buscar debilidades, comprobar correcciones y mejorar la defensa continua.

Cathedral enfrentará los modelos de OpenAI a los sistemas de OpenAI

La empresa parte de un sprint anterior en el que destinó al 25 % de sus ingenieros de producto a localizar y corregir puntos débiles. Codex ayudó a investigar hallazgos, reproducir vulnerabilidades en entornos aislados y preparar parches para su revisión.

También cambia el Security Bug Bounty. Una vulnerabilidad crítica en ChatGPT, Codex o API Platform puede recibir hasta 30.000 dólares. Un hallazgo crítico excepcional mantiene un máximo base de 100.000 dólares, pero las bonificaciones pueden elevar el pago a 171.925 dólares, unos 172.000.

Las recompensas mayores buscan mejores informes y relaciones duraderas

OpenAI añade bonificaciones por informes reproducibles, un programa de fidelidad de 5 niveles y campañas temporales para funciones nuevas. El dinero no recompensa solo el descubrimiento. También incentiva pruebas útiles, explicaciones claras del impacto y nuevas rondas de colaboración.

Para los equipos que despliegan agentes de IA importa sobre todo el método. Un modelo propio puede acelerar la defensa, pero aún necesita entornos aislados, revisión humana y personas externas dispuestas a cuestionar las suposiciones internas.

Un modelo de la empresa como atacante no equivale a una auditoría independiente

El anuncio no especifica qué sistemas probará Cathedral, cuánto durará el sprint ni cuántas vulnerabilidades encontró el anterior. OpenAI también elige herramientas, entorno y alcance. Un socio externo aporta otra mirada, pero no vuelve independiente todo el proceso.

Una recompensa mayor mide incentivos, no seguridad. La cifra de 172.000 dólares exige combinar la base con varias bonificaciones en un ejemplo ilustrativo. Una vulnerabilidad crítica corriente en un producto principal tiene un límite de 30.000 dólares.

Las correcciones públicas y los hallazgos externos marcarán el resultado

La defensa continua podrá medirse si OpenAI publica las clases de errores encontrados, la velocidad de corrección y los resultados de pruebas repetidas. Los informes de calidad de investigadores ajenos al sprint serán una segunda señal.

El programa resultará convincente cuando los modelos ayuden a cerrar una brecha antes que un actor hostil y la reparación resista otra ronda de pruebas.

El veredicto de Lilith

OpenAI pone sus propios modelos a vigilar su caja fuerte mientras Cathedral intenta quitarles las llaves. La confianza llegará cuando enseñe las grietas encontradas y unas reparaciones capaces de resistir otro golpe.