# OpenAI detalla cómo protege sus trazas de razonamiento de la destilación y qué cambia en la API

> OpenAI dice que los ataques para extraer el razonamiento de GPT-6.2 Astra funcionan menos del 1% de las veces en sus pruebas, y explica por qué las conversaciones editadas pierden el razonamiento.

Fuente: Promptea — https://www.promptea.me/es/blog/openai-destilacion-adversarial-razonamiento-protegido · Idioma: Español · Última actualización: 2026-11-20

Publicada: 2026-11-20 · Fecha del hecho: 2026-11-20 · Categoría: security · Autoría: Promptea Editorial

**Resumen:** En un texto del 20 de noviembre, OpenAI describió sus defensas contra la destilación adversarial: entrenamiento adversarial, clasificadores y acciones contra redes de cuentas. Informa tasas internas de éxito de ataques que bajaron del 54,0% al 0,2% y explica reglas de la API que atan el razonamiento de GPT-6.2 a la conversación que lo generó.

OpenAI publicó este viernes un informe detallado sobre cómo intenta impedir que otros desarrolladores entrenen modelos con sus respuestas sin autorización, una práctica que llama **destilación adversarial**. El texto, [Combatting adversarial distillation](https://openai.com/index/combatting-adversarial-distillation), se concentra en un activo puntual: la cadena de razonamiento oculta de sus modelos de razonamiento, que OpenAI denomina razonamiento protegido. También explica varios comportamientos de la API con los que se van a cruzar quienes desarrollen sobre GPT-6.2 Astra y Sol.

## Qué protege OpenAI y por qué

La destilación en sí es una técnica habitual: un modelo "alumno", más chico o más nuevo, aprende de un "maestro" más fuerte. Lo que OpenAI objeta es hacerlo sin autorización contra un modelo de frontera, porque el alumno puede heredar capacidades, incluidas las de doble uso en ciberseguridad o biología, sin las salvaguardas con las que se lanzó el original.

El informe sostiene que las trazas de razonamiento crudas valen más para quien quiere copiar que los resúmenes que OpenAI muestra a los usuarios. En un estudio interno, OpenAI entrenó alumnos con trayectorias de un maestro de nivel Astra en tareas de programación y de seguridad defensiva. Los alumnos entrenados con las trazas exactas superaron a los entrenados con resúmenes después del ajuste fino supervisado. Después del aprendizaje por refuerzo el resultado fue más mixto: el alumno con trazas exactas siguió rindiendo más con el mayor presupuesto de inferencia en los dos benchmarks que usó OpenAI (ExploitBench y SEC-bench Pro), mientras que el entrenado con resúmenes anduvo mejor con presupuestos más bajos. Son experimentos de la propia OpenAI y nadie los reprodujo de forma independiente.

## Los números que informa OpenAI

OpenAI dice que combina entrenamiento adversarial (enseñarle al modelo a no revelar su razonamiento protegido sin dejar de explicar sus respuestas), clasificadores de entrada y de salida que cubren tanto los mensajes como los argumentos de las llamadas a herramientas, e investigaciones sobre redes coordinadas de cuentas. En sus propias pruebas adaptativas de caja negra reporta:

- Extraer el razonamiento de un pedido **anterior**: la tasa promedio de éxito de los ataques bajó del **54,0%** contra GPT-6 Astra con sus salvaguardas originales al **0,2%** contra GPT-6.2 Astra con las salvaguardas actualizadas.
- Extraer el razonamiento del pedido **actual**: del **22,9%** al **0,9%**.
- Según la empresa, GPT-6.2 Astra quedó por debajo del 1% en cada tipo de ataque probado. OpenAI dice que está trasladando algunas de estas mejoras a GPT-6 Astra.
- Las acciones semanales contra campañas de extracción abarcaron desde miles hasta decenas de miles de cuentas, y el ritmo subió de forma marcada durante el verano del hemisferio norte.

Todas estas cifras salen de evaluaciones internas de OpenAI. La empresa diseñó los ataques y la forma de medirlos, así que muestran la tendencia, no un nivel de protección verificado por terceros.

## Qué cambia para quienes usan la API

La parte práctica del informe explica reglas que llegaron con GPT-6.2. El [changelog de la API](https://developers.openai.com/api/docs/changelog) de OpenAI ya había anotado el 17 de noviembre que GPT-6.2 cambia cómo la Responses API conserva el razonamiento cuando se edita un prefijo de la conversación. El texto del viernes da el motivo y los detalles:

- Con GPT-6.2 Astra y Sol, el razonamiento protegido queda atado al historial de conversación que lo produjo.
- Si se reescribe un mensaje anterior, la API descarta el razonamiento que venía después.
- Las familias de modelos más viejas, con salvaguardas más débiles, no pueden leer el razonamiento protegido de GPT-6.2 Astra y Sol.
- Las protecciones ahora se aplican entre usuarios, workspaces, organizaciones y familias de modelos, y OpenAI dice que cerró una vía que podía exponer el razonamiento cifrado de otro usuario.

Para la mayoría de las aplicaciones esto pasa desapercibido. Importa en frameworks de agentes y entornos de evaluación que editan el historial sobre la marcha: por ejemplo, recortar o reescribir un turno anterior para ahorrar contexto, reintentar desde un prefijo modificado o pasarle el razonamiento cifrado de una corrida de GPT-6.2 a un modelo más viejo dentro de un pipeline mixto. Después de una edición así, el modelo sigue sin el razonamiento que había acumulado, lo que puede cambiar su comportamiento; conviene esperarlo en lugar de depurarlo como si fuera una regresión. Si tu agente depende del razonamiento arrastrado, agregá las correcciones como turnos nuevos en vez de reescribir los viejos, y no cuentes con pasarle ítems de razonamiento de GPT-6.2 a familias de modelos anteriores.

El informe no anuncia nuevos requisitos de verificación de identidad, límites de uso ni cambios de precios.

## El contexto político

OpenAI repasa dos episodios previos. En septiembre de 2026 informó que había desarticulado una campaña para extraer razonamiento protegido y atribuyó una parte central a personas vinculadas con Moonshot AI, la desarrolladora de Kimi. En febrero de 2026 había informado al Congreso de Estados Unidos sobre actividad que, según la empresa, sugería que DeepSeek intentaba destilar modelos de frontera estadounidenses. Ambas atribuciones son de OpenAI; Promptea no encontró una respuesta pública de ninguna de las dos empresas en el material de hoy.

La empresa también aprovecha el texto para hacer lobby. Dice que apoya leyes que le den al gobierno de Estados Unidos más herramientas para sancionar a actores extranjeros que extraigan capacidades de modelos de forma ilícita, menciona la Chip Security Act, la AI OVERWATCH Act y la MATCH Act, y presenta las defensas contra la destilación como un complemento de los controles de exportación. Describe además una política de "estándares consistentes" que fija expectativas comunes de salvaguardas y de aplicación para los proveedores que ofrecen sus modelos, y dice que comparte indicadores de compromiso con otros laboratorios, incluso a través del Frontier Model Forum.

Hay una tensión que vale la pena señalar. Ocultar el razonamiento crudo es una medida de seguridad defendible, pero también implica que desarrolladores e investigadores ven menos de cómo estos modelos llegan a sus respuestas. Los propios datos de OpenAI muestran por qué la empresa valora esas trazas, y esos mismos datos explican por qué los usuarios externos podrían quererlas.

## En síntesis

No es un producto nuevo. Es OpenAI explicando, con números, cuánto blinda ahora las trazas de razonamiento y cómo eso moldea la API. Si trabajás con GPT-6.2, tratá cualquier edición del historial como un reinicio del razonamiento del modelo, y leé las tasas de éxito de ataques informadas por la empresa como afirmaciones que todavía esperan pruebas externas.

## Puntos clave

- OpenAI informa que el éxito interno de los ataques para extraer razonamiento de pedidos anteriores bajó del 54,0% (GPT-6 Astra) al 0,2% (GPT-6.2 Astra).
- Según OpenAI, las acciones semanales alcanzaron desde miles hasta decenas de miles de cuentas.
- Si se reescribe un mensaje anterior, la API descarta el razonamiento que venía después.
- Todas las cifras son de la propia empresa; todavía no hay una evaluación independiente.

## Por qué importa

- Los agentes que reescriben turnos anteriores con GPT-6.2 Astra o Sol pierden el razonamiento posterior, lo que puede cambiar su comportamiento a mitad de una tarea.
- Los pipelines con varios modelos no pueden pasarles el razonamiento protegido de GPT-6.2 a familias de modelos anteriores de OpenAI.
- El texto muestra que los laboratorios de frontera tratan las trazas de razonamiento como un activo de seguridad y vinculan la destilación con los controles de exportación.

## Fuentes

- [Combatting adversarial distillation](https://openai.com/index/combatting-adversarial-distillation) — OpenAI (fuente primaria), consultada el 2026-11-20
- [OpenAI API changelog (GPT-6.2 Astra and Sol entry, November 17, 2026)](https://developers.openai.com/api/docs/changelog) — OpenAI (fuente primaria), consultada el 2026-11-20

> Nota de una sola fuente: This article relies on OpenAI's own post and API changelog. Independent reporting on the November 20 post that Promptea could open was not yet available, and all attack-success and enforcement figures are OpenAI's internal results.

*Investigada con asistencia de IA y verificada contra fuentes primarias antes de publicarse. Cada afirmación enlaza a su origen.*
