Glasswing: 37.966 hallazgos de Claude, solo 217 corregidos

Siete meses después de que Anthropic lanzara el Project Glasswing, la firma de seguridad VulnCheck ha publicado una actualización de noviembre que cuestiona los resultados. Según VulnCheck, el registro público de divulgación de Anthropic recogía 37.966 vulnerabilidades candidatas el 2 de noviembre de 2026, pero solo 217 estaban marcadas como corregidas. El medio chino QbitAI difundió el informe el 12 de noviembre de 2026.

El Project Glasswing es un programa de Anthropic lanzado el 7 de abril de 2026 que usa los modelos Claude para encontrar fallos de seguridad en software crítico y proyectos de código abierto y después comunicarlos a sus mantenedores. Una «vulnerabilidad candidata», también llamada hallazgo, es un informe de error generado por el modelo que no ha sido necesariamente confirmado por una persona ni por los mantenedores del proyecto. Un CVE es el identificador público que recibe una vulnerabilidad confirmada.

¿Qué muestran realmente las cifras de Glasswing?

• 37.966 hallazgos en el registro de Anthropic el 2 de noviembre, frente a 23.019 cuando se lanzó el registro en mayo, según VulnCheck.
• Solo 7.349 hallazgos (19,4 %) se han hecho públicos y 217 figuran como corregidos, según VulnCheck.
• 1.654 hallazgos (4,4 %) están marcados como duplicados, unas 7,5 veces más que las correcciones, y 419 han sido retirados, según VulnCheck.
• Desde septiembre, Anthropic añadió casi 12.000 hallazgos pero registró solo 15 correcciones adicionales, según VulnCheck.
• VulnCheck sigue 442 CVE atribuibles a Anthropic, alrededor del 0,5 % de los 93.450 CVE publicados en 2026, y solo 2 de ellos (0,45 %) figuran en su catálogo de vulnerabilidades explotadas en la práctica.

El recuento propio de VulnCheck, 442 CVE, es más del doble de las 217 correcciones del registro de Anthropic, porque VulnCheck cuenta también registros CVE, avisos de GitHub y commits del kernel de Linux acreditados a Anthropic, y no solo el registro.

¿Qué dice Anthropic de sus propias cifras?

Según QbitAI, que cita datos de divulgación de la propia Anthropic, 6.376 de los 37.966 hallazgos habían sido revisados por expertos externos en seguridad a 2 de noviembre. De ellos, 6.009 se consideraron válidos, 5.087 se habían comunicado a los mantenedores de software y 629 habían recibido un parche en el proyecto original. QbitAI señala que los métodos de recuento difieren, lo que explica que los 629 parches de Anthropic no coincidan con las 217 correcciones de VulnCheck.

VulnCheck cuestiona además la tasa de verdaderos positivos declarada, que subió del 90,8 % al 94,2 % aunque hay más hallazgos retirados o marcados como duplicados que corregidos. La firma sospecha que se están contando tasas de triaje como verdaderos positivos.

La propia Anthropic reconoce el cuello de botella. En el anuncio de su OSS Scanner del 8 de octubre, citado por VulnCheck, la empresa dijo haber encontrado más de 29.000 candidatos pero haber revisado manualmente solo unos 6.000, y seguir «limitada por nuestra capacidad humana para validar estos hallazgos». VulnCheck añade que casi 5.000 informes sin verificar ya se habían enviado a mantenedores que pidieron todo en bloque.

¿Por qué están presionados los mantenedores de código abierto?

OSS Scanner permite a los mantenedores de código abierto pedir un análisis gratuito de su código y hacer ellos mismos el triaje. Según VulnCheck, Anthropic describe esos informes como «generados íntegramente por el modelo, sin revisión ni triaje humano» y advierte de que pueden ser incorrectos. VulnCheck concluye que el cuello de botella del triaje no desapareció, sino que pasó a los mantenedores.

El proyecto curl ofrece un ejemplo concreto. VulnCheck cuenta que el mantenedor de curl, Daniel Stenberg, anunció a principios de noviembre un lote de 45 informes de Anthropic, de los cuales Anthropic calificó solo uno como de gravedad media y el resto como baja. De los 34 informes publicados hasta ahora, 19 se juzgaron no vulnerabilidades, 6 se confirmaron como de gravedad baja y 9 seguían pendientes de evaluación, lo que VulnCheck calcula como una tasa de falsos positivos del 55,9 % en este momento.

Según QbitAI, Stenberg cambió las reglas de tratamiento de curl para que los informes de gravedad baja y media se debatan públicamente en GitHub y más desarrolladores de la comunidad ayuden a revisarlos. QbitAI recuerda también que en septiembre Claude ayudó a descubrir en curl un grave error de memoria de tipo use-after-free, que Stenberg describió como una de las vulnerabilidades más graves de curl en años. En otra comprobación, VulnCheck halló en septiembre que Claude calificaba como críticos o altos el 91,5 % de los hallazgos del registro, frente a solo el 51,3 % según los mantenedores.

¿Se puede aceptar el informe de VulnCheck sin matices?

No del todo. QbitAI señala que VulnCheck vende servicios de inteligencia y priorización de vulnerabilidades, que encajan con los mismos problemas que el informe critica. La propia VulnCheck escribe que la IA es una herramienta eficaz para encontrar vulnerabilidades y que no lo niega. También dice que el registro de Anthropic se actualiza solo en lotes espaciados y parece tener un error que infla el número de hallazgos mostrados como divulgados.

La respuesta de Anthropic al informe de VulnCheck no aparece en las dos fuentes leídas, así que sigue siendo desconocida. También está abierta la cuestión de las correcciones automáticas: según QbitAI, Anthropic ya genera parches candidatos, pero desarrolladores citados por el medio dicen que revisar un parche de IA puede llevar casi tanto tiempo como escribirlo y que puede añadir complejidad.

Qué cambia para una empresa

Para una empresa española o latinoamericana que depende de componentes de código abierto como curl, el número de hallazgos que anuncia un proveedor de IA no es el número de riesgos que corregir. Pregunte a los proveedores cuántos hallazgos están confirmados, cuántos corregidos y en qué versión, en lugar de fiarse de los recuentos de candidatos. Priorice los parches con datos de explotación, ya que solo 2 de los 442 CVE seguidos se sabe que se explotan en la práctica según VulnCheck. Si su equipo mantiene código abierto, reserve tiempo humano para el triaje de informes generados por IA antes de aceptar un análisis gratuito.