Labs y gobiernos expandieron baterías de evaluación de capacidades peligrosas, jailbreaks y fiabilidad antes de desplegar.
Frontier labs publicaron system cards y resultados de red teams; NIST, UK AISI y otros organismos impulsaron suites de prueba compartidas.
Se midió bio-riesgo, ciber, persuasión, sandbagging y robustez. Aún faltan estándares universales, pero la norma cultural cambió: sin evals, no hay release serio.
La tensión abierta es transparencia versus no difundir detalles explotables —espejo del dilema de seguridad informática clásico.
El 1 de septiembre de 2026 Anthropic lanzó Fable 5.1 (acceso general) y Mythos 5.1 (solo verificados), el mismo motor con salvaguardas distintas para ciber y ciencias de la vida.
El 3 de septiembre de 2026 OpenAI situó a GPT-6 Astra en el umbral Critical de ciberseguridad de su Preparedness Framework, con debate sobre razonamiento latente y vetting de la Casa Blanca.
El verano de 2026 dejó una cadena de fallos de contención: desbordes de agentes OpenAI en Hugging Face, overflows de Anthropic en CTF y exposición de Meta Muse Spark vía malconfiguración en Irregular.