Patógenos mejorados por expertos

Este riesgo no pasa por el aficionado sino por quien ya sabe. La pregunta es si los modelos de diseño biológico permiten a un equipo competente producir un agente con propiedades que la naturaleza no ofrece —y que por eso no tiene contramedidas preparadas.

Lo demostrado es el paso previo. King y coautores publicaron en Science, el 6 de agosto de 2026, dieciséis bacteriófagos viables diseñados con modelos de lenguajeLLM (modelo de lenguaje)Un modelo de lenguaje grande: el tipo de IA que está detrás de asistentes como ChatGPT, Claude o Gemini, entrenado con enormes cantidades de texto para predecir qué palabra viene después.Por ejemploComo el autocompletar del celular, pero entrenado con muchísimo más texto: por eso sigue una conversación entera y no solo la próxima palabra. genómico sobre la plantilla de ΦX174 ^[597]Generative design of bacteriophages with genome language modelsKing, Samuel H.; Hie, Brian · 2026 · paperVer fuente ↗verificado por CrossrefConsultada el 9 de septiembre de 2026. Y Anthropic reporta que Mythos 5.1 supera a un modelo de lenguaje de proteínas preentrenado en predicción de ensamblaje de cápsides AAV usando solo su razonamiento ^[82]System Card: Claude Fable 5.1 & Claude Mythos 5.1Anthropic · 2026 · system cardVer fuente ↗Consultada el 9 de septiembre de 2026. El diseño de genomas funciona, y el razonamiento general empieza a alcanzar a las herramientas especializadas.

Lo que falta para llegar al riesgo es todo lo demás, y los laboratorios lo dicen. Anthropic sitúa a Mythos 5.1 en CB-1 —ayuda significativa para sintetizar un arma conocida— y explícitamente por debajo de CB-2, el umbral de reemplazar al experto escaso, que es el factor limitante para armas novedosas ^[82]System Card: Claude Fable 5.1 & Claude Mythos 5.1Anthropic · 2026 · system cardVer fuente ↗Consultada el 9 de septiembre de 2026. En el eje Critical de OpenAI, cero de tres evaluaciones cruzan el umbral ^[825]GPT-5.6 System CardOpenAI · 2026 · system cardVer fuente ↗Consultada el 9 de septiembre de 2026.

Lo que esto no demuestra. El trabajo de fagos estaba construido para no producir un patógeno humano: partió de sistemas no patogénicos en cepas de laboratorio de E. coli, y el Arc Institute declara que Evo no puede generar secuencias virales humanas por exclusiones deliberadas de datos de entrenamiento ^[93]How We Built the First AI-Generated GenomesArc Institute · 2025 · blog institucionalVer fuente ↗Consultada el 9 de septiembre de 2026. La tasa también acota la lectura: Simon Jackson calcula que funcionó alrededor del 5% de los diseños, y Jordi García Ojalvo señala que los genomas diseñados deben probarse uno por uno ^[976]Expert reaction to generative design of bacteriophages with genome language modelsScience Media Centre · 2026 · prensaVer fuente ↗Consultada el 9 de septiembre de 2026. El umbral CB-2 no es una medición sino una frontera definida hacia adelante.