Anthropic lanzó OSS Scanner, una herramienta gratuita para revisar proyectos de código abierto con modelos como Claude Mythos, y reportó cientos de fallas en sus primeros días. La empresa entrega los informes directamente a los mantenedores, sin revisión humana previa, y les pide evaluar su validez y gravedad.

Un escáner gratuito para repositorios abiertos

La iniciativa, impulsada por el Frontier Red Team y el equipo de Safeguards Research, busca ayudar a detectar vulnerabilidades en proyectos cuyo mantenimiento suele recaer en equipos con recursos limitados. Anthropic presentó OSS Scanner como un programa opcional que analiza repositorios de manera periódica y gratuita.

El lanzamiento ocurrió el 8 de octubre y, once días después, la compañía dijo que ya había 114 proyectos aceptados de unas 650 solicitudes. Según su reporte, en ese mismo lapso los modelos identificaron 77 hallazgos críticos y 803 de gravedad alta.

Cómo opera y qué entrega a los mantenedores

El proceso comienza con una solicitud de los mantenedores principales mediante un pull request en el repositorio anthropics/oss-scanner, donde se agrega un archivo project.yaml. Ese archivo debe identificar el repositorio, un contacto principal y la ruta a un Dockerfile; además, puede incluir un modelo de amenazas, una clave PGP para cifrar informes, contactos adicionales, una página del proyecto y la opción de desactivar el escaneo.

Anthropic indica que el Dockerfile puede compilar el proyecto con acceso a la red, pero la auditoría se ejecuta después en una máquina virtual aislada y sin conexión a Internet. La empresa afirma que cubre el costo de la infraestructura, de modo que los proyectos participantes no pagan por los análisis.

Durante la revisión, los agentes del sistema intentan verificar los errores, rastrear sus causas y proponer correcciones. Cada informe puede incluir una explicación, un reproductor autocontenido para demostrar el problema y una bisección que identifique el commit en que apareció cuando esa información está disponible.

El sistema también puede adjuntar un parche candidato si logra generarlo, aunque eso no implica que la corrección esté lista para incorporarse sin evaluación del proyecto. Un archivo opcional threat_model.md puede fijar qué entradas son adversariales, qué partes del código quedan fuera del alcance y cómo se define la gravedad; si no existe esa guía, el escáner intenta inferirla por su cuenta.

Precisión, duplicados y el filtro humano que falta

Para medir la calidad de sus resultados, Anthropic pidió a especialistas en pruebas de penetración que auditaran 97 hallazgos críticos y graves procedentes de 48 proyectos. Según la empresa, 85 resultados, equivalentes al 88%, cumplieron el estándar de su proceso de divulgación coordinada de vulnerabilidades.

La misma revisión encontró 11 casos que correspondían a problemas ya conocidos o duplicados, y uno que fue considerado inválido. Ese rendimiento ayuda a dimensionar la herramienta, pero no elimina el trabajo de verificación que recae en los equipos receptores.

En paralelo, algunos mantenedores ofrecieron sus propios balances. wolfSSL indicó que recibió 74 informes y que todos menos dos eran válidos; cinco derivaron en CVE, los identificadores públicos usados para registrar vulnerabilidades de seguridad.

Entre los casos concretos figura CVE-2026-92392, un error de use-after-free de gravedad alta en la subida HTTP/2 de curl. De acuerdo con el reporte, afectaba a las versiones 8.12.0 a 8.22.0 y quedó corregido en curl 8.23.0, publicada el 14 de octubre de 2026.

El límite de fondo: los informes llegan sin revisión previa

El principal límite operativo del programa es que los hallazgos se entregan directamente a los mantenedores, sin una revisión humana antes del envío. Eso obliga a comprobar resultados, descartar duplicados y valorar si la gravedad asignada refleja el riesgo real para cada proyecto.

Anthropic también vinculó el lanzamiento con un avance en evaluaciones de ciberseguridad: en CyberGym, los modelos de lenguaje pasaron de encontrar menos del 20% de las vulnerabilidades a más del 85%, según la información citada en su reporte. En un tablero más amplio de divulgación coordinada, la empresa contabilizaba 6.157 vulnerabilidades divulgadas en 591 proyectos al 2 de octubre, de las cuales 516 estaban parcheadas.

La comparación con otras iniciativas refuerza el contraste. Google OSS-Fuzz usa fuzzers y sanitizadores, y reportaba más de 13.000 vulnerabilidades y 50.000 errores en 1.000 proyectos hasta mayo de 2025; OpenAI ofrecía Codex para proyectos aprobados y había divulgado 14 CVE en proyectos de código abierto.

Google DeepMind describió CodeMender como un agente que encuentra y corrige errores, con revisión humana de cada parche antes de enviarlo a los proyectos, y en octubre de 2025 informó de 72 correcciones de seguridad incorporadas. Frente a ese enfoque, OSS Scanner privilegia la entrega directa y gratuita de hallazgos, pero deja claro que el juicio final requiere contexto humano.