OpenAI publicó el 20 de noviembre de 2026 los detalles de cómo combate la destilación adversaria: el uso no autorizado de las salidas de un modelo de frontera para entrenar otro con salvaguardas más débiles. Su ejemplo principal es la capacidad cibernética, que un modelo copiado podría emplear en ataques que el original rechazaría.
Qué cambia en la API
OpenAI da un peso especial al razonamiento protegido del modelo, es decir, los pasos intermedios que genera antes de responder. En GPT-6.2 Astra y GPT-6.2 Sol, ese razonamiento queda atado al historial de conversación que lo produjo. Los mensajes nuevos pueden apoyarse en el razonamiento previo, pero si se reescribe un mensaje anterior, la API descarta el razonamiento que vino después.
Las familias de modelos antiguas, con salvaguardas más débiles, tampoco pueden leer el razonamiento protegido de Astra y Sol. OpenAI dice que reforzó las protecciones en los límites entre usuario, espacio de trabajo, organización y familia de modelos, y que cerró una vía que podría haber expuesto el razonamiento cifrado de otro usuario.
Salvaguardas en cada solicitud
La empresa describe tres capas a nivel de solicitud:
- Entrenamiento adversario, para que el modelo se niegue a revelar el razonamiento protegido y, aun así, explique las cosas a los usuarios legítimos.
- Clasificadores de entrada que detectan intentos de extracción y clasificadores de salida que cazan filtraciones en los mensajes del asistente y en los argumentos de llamadas a herramientas, tanto en respuestas con streaming como sin él.
- Reglas de la API que limitan cómo se puede reutilizar el razonamiento protegido entre conversaciones y modelos.
Las cifras
En pruebas de red team adaptativas de caja negra, agregadas sobre seis modelos atacantes, el éxito al recuperar el razonamiento de una solicitud anterior pasó del 54,0 % en GPT-6 Astra con sus salvaguardas originales al 0,2 % en GPT-6.2 Astra. Para la solicitud en curso bajó del 22,9 % al 0,9 %. Son resultados internos de OpenAI. La compañía añade que ahora aplica también a GPT-6 Astra algunas de las mejoras seleccionadas.
Por otro lado, un estudio interno concluyó que un modelo alumno entrenado con trazas de razonamiento exactas superaba, por lo general, a otro entrenado con resúmenes del razonamiento tras un ajuste fino supervisado. Después de una ronda ligera de aprendizaje por refuerzo, el alumno con trazas exactas seguía por delante en el mayor presupuesto de inferencia probado.
Medidas de control
OpenAI afirma haber visto varias campañas de destilación no autorizada este año. Sus acciones semanales de control han alcanzado desde miles hasta decenas de miles de cuentas, con un ritmo que subió con fuerza durante el verano. Actúa contra redes enteras de cuentas y comparte indicadores de compromiso con otros proveedores de modelos. En divulgaciones anteriores señaló como actores a DeepSeek y a personas asociadas con Moonshot AI, y dice respaldar la legislación estadounidense que dé al gobierno más herramientas contra la extracción desde el extranjero.
La publicación enumera pasos para otros desarrolladores: revisar si los argumentos de las llamadas a herramientas filtran información, conservar los ataques exitosos como pruebas de regresión y combinar los controles por solicitud con investigaciones de campañas.