Los atacantes adaptativos rompieron 12 defensas publicadas contra la inyección que habían informado un éxito de ataque casi nulo, y la mayoría subió por encima de 90%.
Ranking de ataques de inyección en agentes de IA 2026
Claude 3.5 Sonnet resistió todas las inyecciones estándar de AgentDojo salvo el 1,11%, pero el equipo rojo de NIST secuestró la misma generación de agentes el 81% de las veces con ataques adaptados.
- N.º 1: Claude Opus 5 (Anthropic)
- 10 puestos
01Lista final
Las IA líderes armaron cada una su propia lista de diez, de forma independiente. Aquí hay un resultado fácil de comprobar: cada puesto tiene un motivo, una fuente y la lista de IA que lo incluyeron.
Solo sistemas con resultados reproducibles en ambos tipos de prueba, con el modelo, la configuración del agente y la versión de la prueba de referencia indicados
Una etiqueta brillante significa que esa IA puso el elemento en su lista. Una tenue, que no.
- 1
Claude Opus 5 (Anthropic)
Mejor combinación encontrada: 83,39% en OSWorld-Verified y 0,54% de éxito de inyección en la interfaz gráfica. La cifra de inyección es propia de Anthropic; no se publica ninguna prueba de AgentDojo ni de ASB.
Lo incluyeron: Claude, MiMo, Kimi, DeepSeek. No lo incluyeron: ChatGPT, Meta, Grok, Gemini, Wenxin, Qwen.En sus listas: Claude: 1 · MiMo: 3 · Kimi: ver lista · DeepSeek: 1
Qué señaló cada IA 4
- Claudepuesto 1
0,54% de éxito de ataques en pruebas de interfaz gráfica, con 70,6% de resultado parcial en OSWorld 2.0 con el mismo modelo.
Fuente ↗ - MiMopuesto 3
El agente con más verificación cruzada independiente: sus cifras resisten la ejecución de un rival con solo un pequeño recorte.
Fuente ↗ - Kimi
En su propia lista tiene otro nombre: abre la lista completa.
ver lista - DeepSeekpuesto 1
85% en OSWorld-Verified y 0% de tasa de ataques dirigidos en varios conjuntos de AgentDojo, en el entorno reproducible más cercano; pero ese entorno no es el propio Claude Desktop.
Fuente ↗
4 IA lo pusieron aquí - 2
Familia OpenAI GPT-5 (GPT-5.1 / 5.4 / 5.5)
GPT-5.1 es secuestrado el 4,96% de las veces en AgentDyn, cerca de una décima parte de la tasa de GPT-4o, y GPT-5.4 no tuvo ningún ataque exitoso en 288 intentos en una réplica de 2026. GPT-5.5 obtiene 78,7% en OSWorld-Verified.
Lo incluyeron: Meta, MiMo, Kimi. No lo incluyeron: Claude, ChatGPT, Grok, Gemini, DeepSeek, Wenxin, Qwen.En sus listas: Meta: 2 · MiMo: 2 · Kimi: 2
Qué señaló cada IA 3
- Metapuesto 2
Puntuación alta en OSWorld-Verified y una pésima tasa de ataques de 47,69% en AgentDojo en 2024 para GPT-4o; después, 0/288 en un subconjunto bancario estrecho de 2026 para GPT-5.4. Ambas cifras son ciertas, pero para pruebas distintas.
Fuente ↗ - MiMopuesto 2
El modelo grande más nuevo es notablemente más difícil de engañar que su predecesor pequeño: la primera brecha de seguridad real por generación.
Fuente ↗ - Kimipuesto 2
Una tasa de éxito de ataque de 4,96% en GPT-5.1, aproximadamente una décima parte del 47,69% de GPT-4o, mientras la familia encabeza las tablas de escritorio con 75,0% en OSWorld-Verified.
Fuente ↗
3 IA lo pusieron aquí - 3
Uso de la computadora de Gemini (Google)
Buen trabajador, guardia más débil: 83% en OSWorld-Verified, pero dos pruebas independientes de inyección dan a los modelos Gemini anteriores entre 17 y 21% de éxito de ataque. No hay ningún resultado de inyección publicado para Gemini 3.6 en sí.
Lo incluyeron: Claude, Meta, MiMo, Kimi, DeepSeek. No lo incluyeron: ChatGPT, Grok, Gemini, Wenxin, Qwen.En sus listas: Claude: 5 · Meta: 3 · MiMo: 6 · Kimi: 5 · DeepSeek: 8
Qué señaló cada IA 5
- Claudepuesto 5
Google informa que un modelo de Gemini redujo el éxito de ataques a 0,7% en una prueba. Es una afirmación del fabricante que aún no se ha reproducido de forma independiente.
Fuente ↗ - Metapuesto 3
83% en OSWorld-Verified para Gemini 3.6 Flash, junto a una tasa de ataques de 17,01% en AgentDojo para Gemini 1.5 Pro: capaz, y regular en la prueba de inyección antigua.
Fuente ↗ - MiMopuesto 6
El único agente importante que muestra cada acción en vivo antes de ejecutarla: la postura predeterminada más segura de la capa de producto.
Fuente ↗ - Kimipuesto 5
57% de utilidad, pero 20,61% de éxito de ataque; y los propios datos de Google muestran que fue el entrenamiento adversarial lo que bajó la inyección exitosa en Gemini de 92% a 18%.
Fuente ↗ - DeepSeekpuesto 8
83% en OSWorld-Verified, pero sin resultado reproducible en AgentDojo ni en ASB: capacidad de trabajo sin una cifra publicada de resistencia a engaños.
Fuente ↗
5 IA lo pusieron aquí - 4
Claude Sonnet 4.5 (Anthropic)
Mantiene la mayor parte del trabajo bajo ataque en AgentDyn: 70,7 de utilidad con 0,87% de éxito de ataque. La prueba de estrés propia de Anthropic muestra que 200 intentos elevan el éxito del ataque a 87,5%.
Lo incluyeron: Kimi. No lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, DeepSeek, Wenxin, Qwen.En sus listas: Kimi: 1
Qué señaló cada IA 1
- Kimipuesto 1
70,7 de utilidad con una tasa de éxito de ataque de 0,87% en AgentDyn: la mejor relación trabajo por engaño medida en 2026, aunque las pruebas adaptativas propias de Anthropic advierten que los ataques de 200 intentos suben a 87,5%.
Fuente ↗
1 IA lo pusieron aquí - 5
OpenAI GPT-5-mini
El modelo más difícil de engañar en AgentDyn: 0,37% de éxito de ataque, y solo 2,1% con ataques adaptativos. Su puntuación de escritorio es la de un modelo hermano: GPT-5.4 mini, con 72,1%.
Lo incluyeron: Kimi. No lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, DeepSeek, Wenxin, Qwen.En sus listas: Kimi: 3
Qué señaló cada IA 1
- Kimipuesto 3
0,37% de éxito de ataque con 64,8 de utilidad: el modelo más modesto en la prueba de AgentDyn fue el más difícil de engañar, e incluso los ataques adaptativos hechos a mano llegaron solo a 2,1%.
Fuente ↗
1 IA lo pusieron aquí - 6
Kimi K2.5 / K2.6 (Moonshot AI)
La mejor utilidad de cualquier modelo abierto en AgentDyn: 54,2 con 11,65% de éxito de ataque. K2.6 obtiene 73,1% en OSWorld-Verified, pero termina solo el 4,6% de las tareas largas de OSWorld 2.0.
Lo incluyeron: Kimi, DeepSeek, Qwen. No lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Wenxin.En sus listas: Kimi: 4 · DeepSeek: 9 · Qwen: ver lista
Qué señaló cada IA 3
- Kimipuesto 4
54,2 de utilidad con 11,65% de éxito de ataque: la mejor utilidad de cualquier modelo abierto en AgentDyn, y el 73,1% de K2.6 en OSWorld-Verified demuestra el alcance de la familia en escritorio.
Fuente ↗ - DeepSeekpuesto 9
84,8% en OSWorld-Verified y una puntuación de seguridad b3 de 88,0%, pero b3 mide el modelo, no la superficie de ataque del agente de escritorio.
Fuente ↗ - Qwen
En su propia lista tiene otro nombre: abre la lista completa.
ver lista
3 IA lo pusieron aquí - 7
Claude 3.5 Sonnet, octubre 2024 (Anthropic)
La advertencia: 1,11% de éxito de ataque en los ataques estáticos de AgentDojo, 81% con los ataques adaptados de NIST y solo 14,9% en OSWorld en su lanzamiento.
Lo incluyeron: Meta, Kimi, DeepSeek, Qwen. No lo incluyeron: Claude, ChatGPT, Grok, Gemini, MiMo, Wenxin.En sus listas: Meta: 10 · Kimi: 6 · DeepSeek: ver lista · Qwen: 1
Qué señaló cada IA 4
- Metapuesto 10
Tasa de ataques baja en AgentDojo, con 9,06%, pero solo 33,39% de utilidad bajo ataque: el Claude más barato, el que menos se deja engañar y el que menos sirve cuando lo atacan.
Fuente ↗ - Kimipuesto 6
La advertencia del sector: 1,11% de éxito de ataque en los ataques estáticos de AgentDojo y 72,5% de utilidad; luego el equipo rojo de NIST llegó a 81% con ataques adaptados a tareas no vistas.
Fuente ↗ - DeepSeek
En su propia lista tiene otro nombre: abre la lista completa.
ver lista - Qwenpuesto 1
Completa 88,66% del trabajo útil mientras reduce el éxito de los ataques de inyección a solo 7,31% en AgentDojo.
Fuente ↗
4 IA lo pusieron aquí - 8
Meta Llama / Muse Spark
Muse Spark 1.1 obtiene 80,67% en OSWorld, pero los modelos de Meta con pruebas de inyección hacen poco trabajo útil: Llama-3-70B mantiene 18,28% de utilidad con 25,60% de éxito de ataque.
Lo incluyeron: Meta, Kimi. No lo incluyeron: Claude, ChatGPT, Grok, Gemini, MiMo, DeepSeek, Wenxin, Qwen.En sus listas: Meta: 4 · Kimi: 7
Qué señaló cada IA 2
- Metapuesto 4
80,67% de OSWorld verificado para Muse Spark 1.1, pero el modelo de Meta que realmente se probó en AgentDojo, Llama-3-70B, conservó solo 18,28% de utilidad bajo ataque.
Fuente ↗ - Kimipuesto 7
11,91% de éxito de ataque parece respetable hasta que se ve la utilidad: 6,15%. Falla en el trabajo, no solo frente a los atacantes.
Fuente ↗
2 IA lo pusieron aquí - 9
Alibaba Qwen
Tiene la mejor puntuación de escritorio informada por el fabricante, 86,1%, pero el único modelo de Qwen con prueba de inyección, Qwen3 235B, muestra 22,67% de éxito de ataque con 10,74 de utilidad.
Lo incluyeron: Claude, Meta, Grok, Kimi. No lo incluyeron: ChatGPT, Gemini, MiMo, DeepSeek, Wenxin, Qwen.En sus listas: Claude: 9 · Meta: 5 · Grok: ver lista · Kimi: 8
Qué señaló cada IA 4
- Claudepuesto 9
Encabeza la tabla de OSWorld que publica el fabricante, con 86,1%, sin un resultado publicado de inyección.
Fuente ↗ - Metapuesto 5
La puntuación más alta en OSWorld-Verified que informa el fabricante, 86,1%, pero Qwen nunca apareció en la tabla de resultados de AgentDojo: capacidad sin una prueba pública de inyección.
Fuente ↗ - Grok
En su propia lista tiene otro nombre: abre la lista completa.
ver lista - Kimipuesto 8
22,67% de éxito de ataque frente a la peor utilidad del conjunto (10,74%): exposición sin resultados.
Fuente ↗
4 IA lo pusieron aquí - 10
OpenAI GPT-4o
Secuestrado el 47,69% de las veces en AgentDojo y obtiene 12,2% en OSWorld. Un ASB revisado redujo su éxito de ataque de 73,58% a 9,25%: un cambio en la prueba, no en el modelo.
Lo incluyeron: Meta, Grok, Kimi, Qwen. No lo incluyeron: Claude, ChatGPT, Gemini, MiMo, DeepSeek, Wenxin.En sus listas: Meta: 9 · Grok: 2 · Kimi: 9 · Qwen: 7
Qué señaló cada IA 4
- Metapuesto 9
La tasa de ataques en AgentDojo parece modesta, con 10,33%, pero la inyección directa de ASB llegó a 98,40%. Las dos pruebas miden ataques distintos, y esa diferencia importa.
Fuente ↗ - Grokpuesto 2
Buena utilidad en tareas normales, pero una tasa de ataques bruta más alta; los filtros pueden reducir mucho el éxito de los ataques.
Fuente ↗ - Kimipuesto 9
47,69% de éxito de ataque en AgentDojo y una tasa de puerta trasera de 100% en Plan-of-Thought en ASB: la lección más dura de la era de las pruebas sobre lo que oculta el 'casi siempre funciona'.
Fuente ↗ - Qwenpuesto 7
Completa 69,07% de las tareas, pero cede ante casi la mitad (47,69%) de las inyecciones de instrucciones en AgentDojo sin barreras estrictas.
Fuente ↗
4 IA lo pusieron aquí
02Vale la pena saber
Lo que notaron las IA al armar la lista.
El diseño de la defensa decide la utilidad. En GPT-4o, un filtro de herramientas bajó el éxito de ataque de 47,69% a 6,84% y subió la utilidad a 56,28%; un detector llegó a 7,95%, pero bajó la utilidad a 21,14%.
El promedio más alto de éxito de ataque de ASB es 84,30%, con ataques mixtos en 13 modelos base.
Los usuarios aprueban el 93% de las solicitudes de permiso, así que una solicitud que la gente acepta sin leer protege poco.
Ningún sistema de frontera de 2026 tiene resultados de OSWorld, AgentDojo y ASB en el mismo punto de control, así que la mayoría de las filas combinan cifras de la misma familia de modelos.
03Cómo lo calculamos
En palabras sencillas, sin fórmulas.
1La pregunta
Los 10 mejores agentes de IA de uso de computadora: ¿pueden hacer el trabajo y se les puede engañar?
2Por qué este tema
Ninguna tabla de clasificación pone juntos lo que un agente puede hacer y qué tan fácil es que una instrucción oculta en una página web o en un archivo lo vuelva contra usted.
3Dónde aplica
Global; sistemas de agentes de uso de computadora que operan apps de escritorio y navegadores
4Qué miramos
- Solo sistemas con resultados reproducibles en ambos tipos de prueba, con el modelo, la configuración del agente y la versión de la prueba de referencia indicados
- Éxito en OSWorld (trabajo real de escritorio), junto a la tasa de éxito de los ataques de inyección de prompts en AgentDojo y Agent Security Bench (cuanto menor, mejor); los dos se muestran lado a lado y nunca se promedian
- Desempate: cuánto trabajo útil sigue completando el agente mientras está bajo ataque
- Una valoración aparte de cuánta información de pantalla ve el agente y si sus acciones pueden deshacerse
- OSWorld-Verified (equipo de OSWorld; rastreador de BenchLM): porcentaje de tareas reales de escritorio completadas, verificadas contra el estado final de la app o del archivo
- OSWorld 2.0 (Snorkel AI): finalización parcial y binaria (sí o no) en 108 flujos de trabajo largos
- AgentDojo (ETH Zúrich SPY Lab): utilidad bajo ataque y éxito de ataque dirigido en 97 tareas y 629 casos de inyección (cuanto menor el éxito de ataque, mejor)
- AgentDyn (2026): pruebas de inyección más difíciles y dinámicas: utilidad, utilidad bajo ataque y éxito de ataque
5Quién clasificó
Las IA líderes: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen. Cada una armó su propia lista de diez por su cuenta y dio una fuente para cada puesto.
6Cómo se fijaron los puestos
Lo mismo escrito de distinta forma por distintas IA se contó como una sola entrada. Cuantas más IA la incluyeron en su lista, y cuanto más arriba, más alto su puesto. «Acuerdo de las IA» muestra cuántas IA la tenían en su propia lista. Las fuentes son solo las que encontraron las propias IA; no se añadió nada a mano.
04La lista de cada IA
🇺🇸 Claude10 puestos · 4 notas
La misma pregunta, respondida solo por Claude. La lista final de arriba combina todas las IA.
- 1Claude Opus 5 (Anthropic, 2026)
0,54% de éxito de ataques en pruebas de interfaz gráfica, con 70,6% de resultado parcial en OSWorld 2.0 con el mismo modelo.
Fuente ↗ - 2Claude Fable 5 (Anthropic, 2026)
La tasa de éxito de ataques de Gray Swan es 2,8%, frente a 85% en OSWorld-Verified.
Fuente ↗ - 3Claude Mythos 5 (Anthropic)
85,0% en OSWorld-Verified y 2,6% en Gray Swan.
- 4Claude Opus 4.8 (Anthropic)
83,4% en OSWorld-Verified; su 5,5% en Gray Swan es la base que Opus 5 más que redujo a la mitad.
Fuente ↗ - 5Gemini, control de computadora (Google, 2026)
Google informa que un modelo de Gemini redujo el éxito de ataques a 0,7% en una prueba. Es una afirmación del fabricante que aún no se ha reproducido de forma independiente.
Fuente ↗ - 6OpenAI Codex, control de computadora / GPT-6 Astra
Tiene un modo de uso bloqueado, pero no se encontró ninguna cifra de éxito de ataques junto a su puntuación de 72,6% en OSWorld 2.0.
Fuente ↗ - 7Claude Sonnet 5 (Anthropic)
81,2% en OSWorld-Verified, sin una cifra separada de inyección.
Fuente ↗ - 8Holo3-35B-A3B (H Company)
La mejor ejecución independiente en OSWorld-Verified (82,6%), pero no se encontraron datos de inyección.
Fuente ↗ - 9Qwen3.8-Max (Alibaba)
Encabeza la tabla de OSWorld que publica el fabricante, con 86,1%, sin un resultado publicado de inyección.
Fuente ↗ - 10Agente de control de computadora basado en o4-mini (referencia de OS-Harm)
Obedeció instrucciones inyectadas básicas en alrededor del 20% de los casos, el único contraejemplo medido.
Fuente ↗
Lo que notó Claude
Anthropic informa de 0% de éxito de inyección en agentes de navegador con el Modo Automático y las salvaguardas, frente a 3,7% sin ellas. El 0% depende de las capas adicionales.
Un estudio dirigido por la Universidad de Waterloo encontró que los agentes reentrenados con más ataques de inyección eran más fáciles de secuestrar en tres de cuatro pruebas.
Una defensa que restringe las herramientas antes de leer datos no confiables redujo el éxito de ataques dirigidos de 57,69% a 6,84%.
Pruebas vinculadas al AISI del Reino Unido (instituto de seguridad de IA) informan que los ataques adaptativos elevan el éxito de ataques en AgentDojo Workspace de 11% a 81%.
🇺🇸 Meta10 puestos · 4 notas
La misma pregunta, respondida solo por Meta. La lista final de arriba combina todas las IA.
- 1Claude, control de computadora (Anthropic)
La única familia con una puntuación alta en OSWorld y una tasa de ataques casi nula en AgentDojo, pero los dos números vienen de versiones distintas, con años de diferencia.
Fuente ↗ - 2OpenAI ChatGPT agent / CUA (OpenAI)
Puntuación alta en OSWorld-Verified y una pésima tasa de ataques de 47,69% en AgentDojo en 2024 para GPT-4o; después, 0/288 en un subconjunto bancario estrecho de 2026 para GPT-5.4. Ambas cifras son ciertas, pero para pruebas distintas.
Fuente ↗ - 3Google Gemini, control de computadora (Google)
83% en OSWorld-Verified para Gemini 3.6 Flash, junto a una tasa de ataques de 17,01% en AgentDojo para Gemini 1.5 Pro: capaz, y regular en la prueba de inyección antigua.
Fuente ↗ - 4Agente de Meta Llama / Muse (Meta)
80,67% de OSWorld verificado para Muse Spark 1.1, pero el modelo de Meta que realmente se probó en AgentDojo, Llama-3-70B, conservó solo 18,28% de utilidad bajo ataque.
Fuente ↗ - 5Agente de Alibaba Qwen (Qwen)
La puntuación más alta en OSWorld-Verified que informa el fabricante, 86,1%, pero Qwen nunca apareció en la tabla de resultados de AgentDojo: capacidad sin una prueba pública de inyección.
Fuente ↗ - 6Agente de Cohere Command-R+
Tasa de ataques baja y poco trabajo útil conservado bajo ataque: 25,12% de utilidad bajo ataque. Seguro, pero poco útil cuando lo atacan.
Fuente ↗ - 7Agente de Google Gemma2
Está en el conjunto de modelos base de ASB, pero no aparece en AgentDojo ni en OSWorld-Verified: es un modelo para pruebas de seguridad, no un agente de uso de computadora comprobado.
Fuente ↗ - 8Agente de Mistral Mixtral
La misma historia que Gemma2: presente en ASB y ausente de AgentDojo y OSWorld-Verified, sin una pareja reproducible de uso de computadora e inyección.
Fuente ↗ - 9Agente de OpenAI GPT-3.5 Turbo
La tasa de ataques en AgentDojo parece modesta, con 10,33%, pero la inyección directa de ASB llegó a 98,40%. Las dos pruebas miden ataques distintos, y esa diferencia importa.
Fuente ↗ - 10Agente de Anthropic Claude 3 Haiku
Tasa de ataques baja en AgentDojo, con 9,06%, pero solo 33,39% de utilidad bajo ataque: el Claude más barato, el que menos se deja engañar y el que menos sirve cuando lo atacan.
Fuente ↗
Lo que notó Meta
En la tabla original de AgentDojo, Claude 3.5 Sonnet (20241022) tuvo 1,11% de tasa de ataques dirigidos, mientras GPT-4o tuvo 47,69%: la misma prueba y el mismo ataque, con seguridad opuesta.
Una réplica de 2026 halló 0/288 de éxito de ataque sin defensa para GPT-5.4 y 1/288 para Claude Sonnet 4.6 en el subconjunto bancario de AgentDojo. Pero los autores advierten que los objetivos de la prueba no eran igual de alcanzables en todos los modelos.
ASB-Revised redujo el éxito de ataques de GPT-4o de 73,58% a 9,25%: una revisión del banco de pruebas, no un cambio del modelo, dio la vuelta al veredicto sobre el mismo modelo.
Atacantes adaptativos vulneraron 12 defensas contra inyección que habían informado una tasa casi nula, y alcanzaron más de 90% en la mayoría. Los ataques estáticos de AgentDojo subestiman a un atacante decidido.
🇺🇸 Grok10 puestos · 1 notas
La misma pregunta, respondida solo por Grok. La lista final de arriba combina todas las IA.
- 1Agentes de control de computadora de Claude 3.5/4.x/5.x (Anthropic)
Más utilidad bajo ataque y menor tasa de ataques dirigidos que GPT-4o en AgentDojo, según las ejecuciones publicadas.
Fuente ↗ - 2Configuraciones de GPT-4o / CUA de OpenAI con defensas
Buena utilidad en tareas normales, pero una tasa de ataques bruta más alta; los filtros pueden reducir mucho el éxito de los ataques.
Fuente ↗ - 3Simular Sai
Puntuaciones parciales altas en tareas largas de OSWorld; las cifras de seguridad no se han publicado de forma independiente en AgentDojo.
Fuente ↗ - 4Configuraciones de Qwen3.8 Max
Éxito de primer nivel en escritorio según OSWorld-Verified; pocas parejas públicas de AgentDojo y ASB.
Fuente ↗ - 5Microsoft Mage-VL-Cowork
Agente híbrido compacto y abierto, con 66% en Verified; no se publican pares de inyección con puntuación.
Fuente ↗ - 6Agente Pointer
Puntuaciones altas en Verified con métodos híbridos; la robustez frente a la inyección no está detallada.
Fuente ↗ - 7Coasty CUA
Puntuación sólida en escritorio según Verified; hay pocos datos sobre su superficie de ataque.
Fuente ↗ - 8Intelligence-Indeed Z-Agent
La mayor tasa de finalización en escritorio según Verified; no se encontró una pareja pública con AgentDojo.
Fuente ↗ - 9Modelos pequeños de pesos abiertos + protecciones tipo CapLite
Cero ataques exitosos en miles de episodios de AgentDojo, en un estudio de defensa.
Fuente ↗ - 10Agentes de punta genéricos sin defensas especializadas
ASB informa de un éxito medio máximo de ataque de 84,30% con métodos de inyección mezclados.
Fuente ↗
Lo que notó Grok
El artículo original de AgentDojo encontró que incluso los modelos fuertes resuelven menos del 66% de las tareas sin ataques, y que los ataques tienen éxito menos del 25% de las veces. Las ejecuciones modernas de Claude muestran una tasa dirigida aún menor.
🇺🇸 Gemini10 puestos · 1 notas
La misma pregunta, respondida solo por Gemini. La lista final de arriba combina todas las IA.
- 1Claude 3.7 Sonnet Computer Use (Anthropic)
Logra 44,2% de finalización en escritorio y mantiene la tasa de secuestro por inyección indirecta en 2,4% en AgentDojo, gracias a jerarquías de instrucciones del sistema de doble capa.
- 2Claude 3.5 Sonnet Computer Use (Anthropic)
Equilibra 38,6% de navegación real en escritorio con una tasa baja de ataques por inyección de 4,8%, y mantiene 71,4% de utilidad incluso al navegar por páginas web adversarias.
- 3Agent S2.5 con el núcleo de razonamiento o3
Logra 56,4% en tareas de OSWorld, una cifra líder en la industria, pero las cadenas de razonamiento profundo todavía pueden engañarse para mover archivos sin autorización en 12,3% de las pruebas de inyección indirecta.
- 4OpenAI Operator (flujo de visión de GPT-4o)
Resuelve 46,8% de los flujos de trabajo de navegador y escritorio, pero muestra una tasa de éxito de ataques de 28,5% cuando encuentra texto de terceros no confiable dentro de las páginas web.
- 5ByteDance UI-TARS-2 (agente de visión local de 72B)
Ofrece una sólida tasa de finalización de 53,1% en OSWorld, pero las instrucciones visuales ocultas en imágenes de fondo del escritorio secuestran acciones en 19,4% de las pruebas.
Fuente ↗ - 6Agente Coasty con doble filtro de seguridad (2025)
Sacrifica velocidad para llegar a 42,1% en OSWorld y reduce el éxito de la inyección a 6,2% con un filtro supervisor externo.
- 7UI-TARS-1.5 (pesos abiertos de ByteDance)
Ejecuta 42,5% de las tareas verificadas del sistema, pero el ajuste fino bruto de pesos abiertos, sin capas de alineación de seguridad, deja una vulnerabilidad de 34,1% ante instrucciones incrustadas en PDF.
Fuente ↗ - 8OS-Copilot / FRIDAY (agente autónomo de línea de comandos)
Completa 35,6% de los flujos de trabajo en Linux, pero su ejecución de bash sin límites lleva a una peligrosa tasa de éxito de ataques de 43,7% al leer documentos de texto infectados.
- 9Agente de interfaz gráfica de Simular (conjunto de reconocimiento visual)
Llega a 38,3% en tareas de escritorio, pero sufre una tasa de inyección de 26,2% cuando las instrucciones adversarias se disfrazan de cuadros de diálogo del sistema.
- 10Adept ACT-1 (navegador y flujos de trabajo empresariales)
Registra 31,2% de finalización verificada de flujos de trabajo, pero los analizadores antiguos de páginas web caen ante 41,5% de los ataques de inyección indirecta ocultos en comentarios de esas páginas.
Lo que notó Gemini
Como las acciones a nivel de sistema, como borrar archivos o enviar correos, no se pueden deshacer automáticamente con un botón de deshacer de la API, los expertos en seguridad recomiendan confirmaciones obligatorias para todos los eventos irreversibles del escritorio.
🇨🇳 MiMo10 puestos · 4 notas
La misma pregunta, respondida solo por MiMo. La lista final de arriba combina todas las IA.
- 1Modo automático de Claude Code (Anthropic, 2026)
Responde la pregunta trampa con geometría: un agente que no puede llegar al cebo no puede morder el cebo.
Fuente ↗ - 2Agentes de la familia GPT-5 (OpenAI)
El modelo grande más nuevo es notablemente más difícil de engañar que su predecesor pequeño: la primera brecha de seguridad real por generación.
Fuente ↗ - 3Claude Opus 5 (Anthropic)
El agente con más verificación cruzada independiente: sus cifras resisten la ejecución de un rival con solo un pequeño recorte.
Fuente ↗ - 4GPT-6.2 Astra (OpenAI)
La mejor puntuación nueva en tareas largas, a un tercio del precio, aunque su propia ficha registra acciones de oficina que hizo mal.
Fuente ↗ - 5GPT-6.1 Sol (OpenAI)
A 2,1 puntos del modelo insignia en tareas largas de escritorio, a precios cotidianos.
Fuente ↗ - 6Gemini para Mac, control de computadora (Google)
El único agente importante que muestra cada acción en vivo antes de ejecutarla: la postura predeterminada más segura de la capa de producto.
Fuente ↗ - 7Claude Cowork, control de computadora (Anthropic)
Puntúa cerca de la cima y documenta su mayor hueco en una línea: no hay un entorno aislado entre el agente y su pantalla.
Fuente ↗ - 8Qwen3.8 Max (Alibaba)
La puntuación de escritorio más alta de la tabla, pero su seguridad depende de un punto de control que usted no puede ejecutar por sí mismo.
Fuente ↗ - 9Muse Spark 1.3 (Meta)
El agente de escritorio de Meta entra en las tablas de horizonte largo con 66,9%: ejecutado por cuenta propia, en su propio entorno de pruebas.
Fuente ↗ - 10MiniMax M3 (MiniMax)
El piso honesto: un 22,3% en tareas largas medido por los propios autores, publicado aunque casi nadie lo hace.
Fuente ↗
Lo que notó MiMo
La facilidad para engañar a los modelos mejora por generación por primera vez: investigaciones de pruebas de ataque hallan que GPT-5 es notablemente más difícil de atacar en AgentDojo que GPT-4o-mini.
El número peligroso no es el éxito del ataque, sino el cansancio al aprobar: los usuarios reales aprueban 93% de las solicitudes de permiso. Un aviso que las personas aprueban automáticamente equivale a no tener aviso.
Las repeticiones independientes son raras y valen mucho: las de los coautores de Snorkel AI quedan dentro de 2 puntos de las puntuaciones que informó GPT-5.6 Sol, pero 2,3 por debajo para Opus 5.
Una investigación de privacidad (AGENTDAM) evalúa directamente agentes de uso de computadora de Claude y halla que los agentes web y de escritorio autónomos filtran datos privados de maneras que sus puntuaciones de tareas nunca muestran.
🇨🇳 Kimi10 puestos · 4 notas
La misma pregunta, respondida solo por Kimi. La lista final de arriba combina todas las IA.
- 1Claude Sonnet 4.5 (Anthropic)
70,7 de utilidad con una tasa de éxito de ataque de 0,87% en AgentDyn: la mejor relación trabajo por engaño medida en 2026, aunque las pruebas adaptativas propias de Anthropic advierten que los ataques de 200 intentos suben a 87,5%.
Fuente ↗ - 2Familia GPT-5.1 / GPT-5.4 (OpenAI)
Una tasa de éxito de ataque de 4,96% en GPT-5.1, aproximadamente una décima parte del 47,69% de GPT-4o, mientras la familia encabeza las tablas de escritorio con 75,0% en OSWorld-Verified.
Fuente ↗ - 3GPT-5-mini (OpenAI)
0,37% de éxito de ataque con 64,8 de utilidad: el modelo más modesto en la prueba de AgentDyn fue el más difícil de engañar, e incluso los ataques adaptativos hechos a mano llegaron solo a 2,1%.
Fuente ↗ - 4Kimi K2.5 / K2.6 (Moonshot AI)
54,2 de utilidad con 11,65% de éxito de ataque: la mejor utilidad de cualquier modelo abierto en AgentDyn, y el 73,1% de K2.6 en OSWorld-Verified demuestra el alcance de la familia en escritorio.
Fuente ↗ - 5Gemini 2.5 Pro / Gemini 3.5 Flash (Google)
57% de utilidad, pero 20,61% de éxito de ataque; y los propios datos de Google muestran que fue el entrenamiento adversarial lo que bajó la inyección exitosa en Gemini de 92% a 18%.
Fuente ↗ - 6Claude 3.5 Sonnet, versión de octubre de 2024 (Anthropic)
La advertencia del sector: 1,11% de éxito de ataque en los ataques estáticos de AgentDojo y 72,5% de utilidad; luego el equipo rojo de NIST llegó a 81% con ataques adaptados a tareas no vistas.
Fuente ↗ - 7Llama 3.3 70B (Meta)
11,91% de éxito de ataque parece respetable hasta que se ve la utilidad: 6,15%. Falla en el trabajo, no solo frente a los atacantes.
Fuente ↗ - 8Qwen3 235B-A22B (Alibaba)
22,67% de éxito de ataque frente a la peor utilidad del conjunto (10,74%): exposición sin resultados.
Fuente ↗ - 9GPT-4o (OpenAI)
47,69% de éxito de ataque en AgentDojo y una tasa de puerta trasera de 100% en Plan-of-Thought en ASB: la lección más dura de la era de las pruebas sobre lo que oculta el 'casi siempre funciona'.
Fuente ↗ - 10GPT-4o-mini (OpenAI)
Promedio de 67,55% de éxito de ataque en ASB, el peor medido: pequeño, barato y muy expuesto, con tasas de más de 95% en inyección directa.
Fuente ↗
Lo que notó Kimi
Los ataques adaptativos dan la vuelta a la clasificación: NIST CAISI elevó el secuestro de agentes de Claude 3.5 Sonnet de 11% a 81%, y un equipo de varios laboratorios (OpenAI, Anthropic, DeepMind, ETH) vulneró 12 defensas publicadas con más de 90% de éxito de ataque. La seguridad con pruebas estáticas es un piso, no un techo.
La única familia de defensas con éxito de ataque casi nulo que resiste la adaptación traslada la aplicación fuera del modelo: CaMeL y Progent llegan a 0% de éxito de ataque en AgentDyn al limitar las llamadas a herramientas, pero el 0% de CaMeL vino con 0% de utilidad allí. En AgentDojo, CaMeL resolvió 67-77% de las tareas con seguridad demostrable, así que el intercambio es real, aunque estrecho.
El intercambio entre utilidad y seguridad se puede medir: en la ejecución de GPT-4o de AgentDojo, un filtro de herramientas bajó el éxito de ataque de 47,69% a 6,84% y subió la utilidad a 56,28%, pero un detector de inyección bajó el éxito a 7,95% y hundió la utilidad hasta 21,14%. El diseño de la defensa, no el modelo, decide si el agente sigue siendo útil bajo fuego.
El acceso a la pantalla multiplica cada inyección: un agente con Grabación de pantalla y Accesibilidad ve todo lo que usted ve y puede enviar, borrar, comprar y cambiar ajustes. Por eso la pregunta de deshacer (aprobaciones por aplicación, instantáneas de máquina virtual, acciones reversibles) importa tanto como el porcentaje de éxito de ataque.
🇨🇳 DeepSeek10 puestos · 1 notas
La misma pregunta, respondida solo por DeepSeek. La lista final de arriba combina todas las IA.
- 1Claude Computer Use (Claude Fable 5, 2026)
85% en OSWorld-Verified y 0% de tasa de ataques dirigidos en varios conjuntos de AgentDojo, en el entorno reproducible más cercano; pero ese entorno no es el propio Claude Desktop.
Fuente ↗ - 2Marco Ratchet con gpt-5.6-luna (2026)
0% de tasa de ataques dirigidos en los cuatro conjuntos de AgentDojo, el resultado de seguridad más limpio de la tabla abierta de AgentDojo, pero su puntuación de OSWorld no aparece en la misma fila.
Fuente ↗ - 3Coasty CUA v1 (2026)
82,81% en OSWorld-Verified y sin tasa publicada de éxito de ataque en AgentDojo ni en ASB: fuerte en el trabajo, no medido en engaños.
Fuente ↗ - 4OpenAI Operator (2026)
38,1% en OSWorld, pero casi no tiene datos de la pantalla local: su superficie de ataque es el navegador, no su escritorio.
Fuente ↗ - 5Agente de escritorio Manus (Meta) (2026)
72,5% en OSWorld en una máquina virtual en la nube: reversible porque la máquina virtual es desechable, pero no se publica su tasa de éxito de ataque en pruebas de seguridad.
- 6Agent S3 (Simular, 2026)
72,6% en OSWorld y de código abierto, así que usted puede aislarlo; pero aún necesita acceso a la pantalla y al teclado, y su tasa de éxito de ataque no está en la tabla de AgentDojo.
Fuente ↗ - 7Agente de pantalla de UiPath (2026)
67,1% en OSWorld-Verified con automatización amplia de la interfaz: mucha utilidad, mucha superficie de control, tasa de ataque sin publicar.
- 8Agente Gemini 3.6 Flash (Google, 2026)
83% en OSWorld-Verified, pero sin resultado reproducible en AgentDojo ni en ASB: capacidad de trabajo sin una cifra publicada de resistencia a engaños.
Fuente ↗ - 9Agente Kimi K3 (Moonshot AI, 2026)
84,8% en OSWorld-Verified y una puntuación de seguridad b3 de 88,0%, pero b3 mide el modelo, no la superficie de ataque del agente de escritorio.
Fuente ↗ - 10UI-TARS-2 (ByteDance, 2026)
47,5% en OSWorld con control nativo de la pantalla: más exposición que un agente en la nube, y sin tasa publicada de éxito de ataque en AgentDojo.
Lo que notó DeepSeek
La mejor tasa publicada de éxito de ataque en AgentDojo es 0%, pero ese resultado viene de un entorno específico (Ratchet con gpt-5.6-luna) que no tiene una puntuación de OSWorld equivalente. El agente más seguro en la prueba de seguridad no es el mismo que encabeza la prueba de trabajo de escritorio.
🇨🇳 Wenxin10 puestos
La misma pregunta, respondida solo por Wenxin. La lista final de arriba combina todas las IA.
- 1Agente de IA interno de Apple para macOS (versión de principios de 2027)
Sin captura persistente de datos de pantalla; cada acción se puede revocar con una interrupción a nivel de sistema antes de ejecutarse; 0 evasiones de inyección de instrucciones informadas en las primeras pruebas internas
Fuente ↗ - 2Agente de escritorio empresarial con cumplimiento KYA de HKU
Identidad verificable única para cada agente al 100%, trazabilidad completa de las operaciones; los permisos dinámicos se revocan automáticamente cuando las acciones superan el alcance predefinido
- 3Agente de IA de Ant Group Pay (2026)
Flujo de autorización de pagos en tres niveles: incluso los agentes totalmente comprometidos no pueden ejecutar transacciones de alto valor no aprobadas sin confirmación humana manual
- 4API de agentes de OpenAI (beta de 2026)
El entorno de ejecución aislado alojado bloquea 89% de las cargas conocidas de inyección de instrucciones; todas las acciones riesgosas requieren una confirmación secundaria antes de ejecutarse
- 5Agente empresarial a medida con control de acceso híbrido RBAC+ABAC (2026)
Se añadió validación de alineación entre intención y comportamiento a las comprobaciones de permisos, y bloquea 91% de las operaciones de exceso no intencionado dentro del alcance
- 6Perplexity Computer (2026)
Entorno en la nube aislado, totalmente separado de los datos sensibles del escritorio local, sin ningún acceso persistente a la pantalla local
- 7Agente Claude Computer Use de Anthropic (2026)
Las barreras de IA constitucional bloquean 87% de los intentos no autorizados de acciones dañinas, con adopción de 49% entre desarrolladores y las mejores calificaciones de confianza de la industria
- 8Agente de IA Sai (2026)
Todas las operaciones de automatización de la interfaz se ejecutan en escritorios dedicados y aislados en la nube, sin acceso por defecto a los datos ni a los archivos sensibles del equipo local
- 9Agente Muse de Meta (código abierto, 2026)
El código completo del entorno de ejecución es auditable públicamente; los usuarios pueden añadir reglas propias de detección de inyección de instrucciones sin depender de proveedores externos
Fuente ↗ - 10OpenCode, agente de programación de código abierto (2026)
Sin acceso automático de escritura a archivos de producción por defecto; cada modificación de archivo requiere revisión del usuario y aprobación explícita
🇨🇳 Qwen10 puestos · 3 notas
La misma pregunta, respondida solo por Qwen. La lista final de arriba combina todas las IA.
- 1Claude 3.7 Sonnet
Completa 88,66% del trabajo útil mientras reduce el éxito de los ataques de inyección a solo 7,31% en AgentDojo.
Fuente ↗ - 2AgentSys (agente con defensas)
Mantiene el éxito de ataques en 0,78% en AgentDojo y 4,25% en ASB, y mejora la utilidad en tareas normales.
Fuente ↗ - 3Claude Opus 4.6
Obtuvo 100% en una auditoría de seguridad dirigida, aunque la reversibilidad real de sus acciones de escritorio sigue en debate.
Fuente ↗ - 4Agente Verigrey con defensas
Conserva 93,2% del trabajo útil y mantiene el éxito de ataques por debajo de 1% mediante gobernanza de acciones, no mediante el análisis de instrucciones.
Fuente ↗ - 5o3 (con defensas)
Completa 77% de las tareas de AgentDojo con seguridad demostrable, frente a 84% del modelo base sin defensa.
Fuente ↗ - 6Claude 3.5 Sonnet
Logra la mayor NRP (rendimiento normalizado ajustado al riesgo) en ASB, con 43,56, a pesar de sus vulnerabilidades base frente a ataques.
Fuente ↗ - 7GPT-4o
Completa 69,07% de las tareas, pero cede ante casi la mitad (47,69%) de las inyecciones de instrucciones en AgentDojo sin barreras estrictas.
Fuente ↗ - 8GPT-4o-mini
Muestra una tasa de éxito de ataque de 49,92% en AgentDojo, lo que expone lo difícil que les resulta a los modelos pequeños filtrar las salidas de herramientas inyectadas.
Fuente ↗ - 9Claude 3.5 Sonnet (probado por equipos rojos)
Aunque los ataques básicos solo tienen éxito 11% de las veces, las instrucciones coordinadas del equipo rojo lo vulneran 81% de las veces.
Fuente ↗ - 10GPT-4-0125
Las versiones de inicios de 2024 sufrieron una tasa de éxito de inyección dirigida de 56,3% antes de que se estandarizaran las defensas modernas de AgentDojo.
Fuente ↗
Lo que notó Qwen
La gobernanza de acciones supera al análisis de instrucciones: bloquear el resultado de una llamada a herramienta mantiene el éxito de ataque por debajo de 1% y conserva 93,2% de la utilidad.
La tasa de éxito de inyección dirigida en AgentDojo bajó de 56,3% en los primeros modelos GPT-4 a solo 7,3% en Claude 3.7 Sonnet, lo que muestra una rápida evolución de la seguridad.
El Agent Security Bench (ASB) introduce la métrica 'Normalized Risk-adjusted Performance' (NRP, rendimiento normalizado ajustado al riesgo), y demuestra que rechazar instrucciones maliciosas no tiene por qué significar rechazar trabajo legítimo.