Project Atlas de Wiz: cómo un sistema de IA con múltiples agentes superó a GPT-5.5 y Mythos en ciberseguridad

Más de 200 descubrimientos 'zero-day'. En sus propias pruebas, Atlas descubrió más de 200 vulnerabilidades desconocidas en proyectos de código abierto ampliamente utilizados que habían sido sometidos a pruebas de fuzzing y auditorías durante años, incluyendo el kernel de Linux, Kubernetes, gVisor, containerd y dnsmasq . Es crucial destacar que cada hallazgo fue validado de forma autónoma de principio a fin por el sistema de agentes, yendo más allá de una mera sospecha generada por el modelo hasta llegar a una prueba reproducible de un problema de seguridad real .

CVE-2026-3854: RCE crítico en GitHub. Una versión temprana de Atlas identificó una vulnerabilidad crítica de ejecución remota de código en la infraestructura interna de git de GitHub (CVE-2026-3854, CVSS 8.8) . Esta falla permitía a cualquier usuario autenticado con permisos de 'push' ejecutar comandos arbitrarios en los servidores backend de GitHub con un solo comando

git push

Recompensa de 100 000 dólares. GitHub otorgó una recompensa de 100 000 dólares por el hallazgo —una de las más grandes en la historia del programa, aunque la compensación total de Wiz pudo haberse estructurado bajo las tarifas anteriores a julio de 2026, antes de que se recortara el programa público .

Arquitectura multiagente frente a sistemas de un solo modelo

Este es el núcleo de la historia arquitectónica. Atlas no es un único modelo de IA —es un sistema multiagente y multimodelo . Así es como se diferencia del enfoque de un solo modelo utilizado por GPT-5.5 Cyber y Mythos:

Wiz sostiene que la arquitectura del sistema importa más que la capacidad bruta del modelo —Atlas superó a GPT-5.5 Cyber y a Mythos no por tener un mejor modelo base, sino por combinar de forma inteligente múltiples modelos y agentes con bucles de verificación estrictos .

Cómo se desarrolló el cambio multiagente en 2026

La cronología de la carrera armamentista de la IA en seguridad muestra una trayectoria clara desde el dominio de un solo modelo hasta la superioridad multiagente:

• Principios y mediados de 2026: escalada de un solo modelo. OpenAI lanzó la versión completa de GPT-5.5-Cyber (85,6 % en CyberGym) en junio de 2026 como parte de su programa de defensa Daybreak . El Claude Mythos Preview de Anthropic también obtuvo una puntuación alta, lo que llevó a investigadores del Instituto de Seguridad de IA del Reino Unido (UK AISI) y de Palo Alto Networks a advertir que los modelos habían "superado los benchmarks de hacking autónomo" .

• Mayo de 2026: el enfoque multiagente demuestra su potencial. El sistema MDASH de Microsoft (más de 100 agentes especializados, 88,45 % en CyberGym) demostró que los sistemas multiagente podían superar a los modelos individuales .

• Julio de 2026: el enfoque multiagente triunfa. Atlas de Wiz (90,9 %) superó a ambos, demostrando que la orquestación de múltiples modelos de frontera rinde más que cualquier modelo individual .

Implicaciones más amplias: el descubrimiento de vulnerabilidades y la economía de los 'bug bounties'

La combinación de agentes de IA con fuzzing sistemático, análisis estático y revisión de código está produciendo 'zero-days' a una escala sin precedentes —solo Atlas encontró más de 200 en código abierto intensamente auditado . Esta avalancha de fallos descubiertos por IA está presionando la economía de los programas de divulgación de vulnerabilidades. GitHub redujo sus recompensas públicas de 'bug bounty' al menos a la mitad el 27 de julio de 2026 (los hallazgos críticos pasaron de 20 000–30 000+ dólares a una cantidad fija de 10 000), aunque el nivel VIP exclusivo por invitación aún paga 30 000 dólares o más . Los informes presentados antes de esa fecha, incluido el CVE-2026-3854 descubierto por Atlas, conservaron las condiciones de pago anteriores .

Conclusión

Project Atlas de Wiz es el estado del arte actual en la investigación de vulnerabilidades mediante IA, no porque utilice un modelo mejor, sino porque su arquitectura multiagente y multimodelo con verificación independiente supera por un margen significativo a los sistemas de un solo modelo (90,9 % frente a 85,6 % y 83 %). Esto refleja un cambio más amplio en el panorama de la seguridad con IA: de "qué modelo es el mejor" a "cómo orquestar modelos de forma efectiva". Como deja claro la postura de Wiz y Google, el enfoque ganador en la carrera armamentista de la IA en seguridad no será un supermodelo único, sino sistemas que combinen modelos, experiencia humana y rigurosos procesos de verificación .