|

Wiz Atlas halló 200+ vulnerabilidades con IA

En pocas palabras: El 27 de julio de 2026, Wiz Atlas —sistema multi-agente de IA— encontró más de 200 vulnerabilidades desconocidas en proyectos open source de Linux y contenedores, y lideró el benchmark CyberGym con 90,9%, validando cada hallazgo con un exploit funcional.

Wiz presentó Atlas, un sistema autónomo de IA para investigación de vulnerabilidades que el 27 de julio de 2026 encontró más de 200 fallas desconocidas en código abierto muy auditado y logró 90,9% en el benchmark CyberGym, por encima de Mythos 5, GPT-5.5 Cyber y Gemini. El sistema Wiz Atlas de vulnerabilidades valida cada hallazgo con un exploit funcional.

Wiz Atlas es un sistema multi-agente de inteligencia artificial creado por el equipo de investigación de Wiz (la empresa que Google compró en marzo de 2026 por 32.000 millones de dólares) para buscar fallas de seguridad en código de forma autónoma. No es un modelo suelto: orquesta varios modelos, genera un exploit que prueba cada bug y busca escanear a escala con pocos falsos positivos.

En 30 segundos

  • Qué es: un sistema autónomo de IA de Wiz que caza vulnerabilidades en código abierto, no un modelo individual.
  • El número que importa: 200+ vulnerabilidades desconocidas en código que llevaba décadas fuzzeado y revisado.
  • Benchmark: 90,9% de éxito en CyberGym, arriba de Mythos 5 (83,8%), GPT-5.5 Cyber (85,6%) y Gemini 3.5 Flash Cyber (83,2%).
  • El truco: usa Claude Opus 4.6 junto con GPT-5.5, y Wiz ya está sumando Gemini.
  • La clave real: según Wiz, la ventaja real es el sistema alrededor del modelo, no el modelo.

Linux es un sistema operativo de código abierto creado por Linus Torvalds, desarrollado colaborativamente por miles de programadores de todo el mundo desde 1991. Funciona como kernel para sistemas operativos basados en Linux y permite ejecutar aplicaciones en computadoras, servidores y dispositivos embebidos.

¿Qué es Wiz Atlas y en qué se diferencia de MITRE ATLAS?

Wiz Atlas es un sistema autónomo de IA que escanea código fuente, encuentra vulnerabilidades y arma un exploit para probar que cada una es real. Ojo con el nombre: no tiene nada que ver con MITRE ATLAS, que es un marco de referencia sobre amenazas a sistemas de machine learning. Acá hablamos de una herramienta que hace el trabajo, no de una taxonomía.

La diferencia que Wiz remarca es esta: cada hallazgo viene con un exploit funcional generado por el propio sistema. ¿Por qué importa? Porque el gran dolor de cabeza de cualquier herramienta de análisis estático es el ruido. Tirás 500 alertas, el equipo revisa 500, y 480 eran humo. Atlas busca lo contrario, según el anuncio oficial de Wiz: si te reporta algo, ya lo probó.

El contexto empresarial no es menor. Wiz fue adquirida por Google en marzo de 2026 por 32.000 millones de dólares, la operación más grande de la historia en ciberseguridad, según Infobae. Atlas es una de las apuestas técnicas que salieron de esa integración.

¿Cuántas vulnerabilidades encontró Atlas en código abierto?

Más de 200 vulnerabilidades previamente desconocidas, en proyectos de código abierto que llevaban décadas siendo fuzzeados y auditados por profesionales de seguridad. Ese es el dato central del post técnico de Wiz publicado el 27 de julio de 2026.

Y acá está el punto interesante. No estamos hablando de un plugin de WordPress abandonado hace cinco años. Hablamos de bases de código que revisaron cientos de personas, con herramientas de fuzzing corriendo día y noche durante años. Que un sistema automático saque 200 bugs nuevos de ahí dice dos cosas: que el software maduro igual esconde fallas, y que la revisión asistida por IA encuentra caminos que el ojo humano y los fuzzers clásicos se saltean. Lo explicamos a fondo en arquitectura Linux en producción.

Wiz vive en el mundo del cloud, los contenedores y Linux. Ese es su terreno. Cualquiera que haya administrado un cluster de Kubernetes sabe que la superficie de ataque de un runtime de contenedores es enorme y difícil de auditar a mano. Un sistema que escanea eso de forma continua y barata cambia la ecuación de quién encuentra el bug primero: vos o el atacante.

¿Cómo llegó Atlas al 90,9% en el benchmark CyberGym?

Atlas alcanzó un 90,9% de éxito en CyberGym, el benchmark público que mide qué tan bien un sistema de IA encuentra vulnerabilidades reales en código. Con ese número quedó primero entre los sistemas comparados, por encima de los modelos de OpenAI, Anthropic y Google, según The Register.

SistemaÉxito en CyberGym
Wiz Atlas90,9%
GPT-5.5 Cyber (OpenAI)85,6%
Mythos 5 (Anthropic)83,8%
GPT-5.6 Sol (OpenAI)83,6%
Gemini 3.5 Flash Cyber (CodeMender)83,2%
wiz atlas vulnerabilidades diagrama explicativo

Eso sí: hay un asterisco grande. En el mismo test, el harness MDASH de Microsoft sacó 95,95%, todavía más alto que Atlas. O sea que Atlas es el mejor entre los sistemas de un grupo, pero no el número uno absoluto del día. Tomalo con pinzas cuando veas titulares que dicen “el mejor”.

Un detalle honesto sobre los benchmarks: casi todos los que aparecen en esta tabla los publica o co-publica el propio fabricante de la herramienta. Habría que ver evaluaciones independientes antes de tratar estos porcentajes como verdad revelada. Son útiles para comparar, no para creerlos a ciegas.

¿Por qué Wiz combina varios modelos en lugar de uno solo?

Porque, según Wiz, la ventaja no está en un modelo mágico sino en el sistema que lo rodea: cómo se define el alcance del escaneo, cómo se orquesta, cómo se valida y cómo se convierte en algo accionable. Atlas usa Claude Opus 4.6 combinado con GPT-5.5, y ya están integrando Gemini. Esto se conecta con lo que analizamos en en tus pipelines de CI/CD.

“Usamos el modelo correcto para cada tarea de seguridad”, explicó Nir Ohfeld, jefe de investigación de vulnerabilidades de Wiz, en declaraciones a The Register. Traducido: un modelo es mejor razonando sobre el flujo de datos del código, otro genera exploits más limpios, un tercero valida. En vez de casarse con uno, Atlas reparte el trabajo.

Ponele que le pedís a un solo modelo que analice, explote y valide todo. Te va a fallar en alguno de los tres pasos, porque ninguno es el mejor en las tres cosas a la vez. La “inteligencia” no está en el modelo suelto, está en el ensamble. Ese es el aprendizaje que Wiz repite en todo el post.

¿Qué cambia para la seguridad en contenedores y Kubernetes?

Cambia la economía del escaneo profundo. Antes, un análisis serio de vulnerabilidades era caro y puntual: contratabas una auditoría, te la hacían una vez, y hasta la próxima. Atlas se propone un modelo continuo y barato, corriendo sobre cada base de código sin que el costo se dispare.

Si trabajás con infraestructura web, esto te toca de cerca. Las herramientas que ya usás para escanear imágenes de contenedores (Trivy, Clair) o para monitoreo en runtime (Falco) no desaparecen. Atlas se suma como una capa que caza bugs en el código fuente antes de que lleguen a producción. Cuando montás tus servicios en un hosting o cloud como donweb.com, la lógica es la misma: cuanto antes detectás la falla, más barato sale taparla.

El matiz importante: esto no significa que el código abierto “es inseguro”. Significa que ahora hay más visibilidad sobre fallas que siempre estuvieron ahí, latentes. Más luz sobre el problema es una buena noticia, aunque asuste el número. Te puede servir nuestra cobertura de orquestadores de despliegue automático.

¿Atlas reemplaza a los auditores de seguridad humanos?

No. Atlas es un complemento, no un reemplazo. Wiz insiste en el concepto de “hallazgos validados”: lo que reporta ya viene con un exploit que prueba el bug, así el equipo humano actúa sobre señales reales en lugar de perder horas filtrando ruido.

Pensalo así. El cuello de botella de un equipo de seguridad nunca fue encontrar cosas sospechosas, fue confirmar cuáles importan. Un sistema que te entrega el bug ya reproducido te libera para lo que la máquina todavía no hace bien: entender el impacto de negocio, priorizar, decidir qué se parchea primero y coordinar con desarrollo. El humano sube en la cadena de valor, no desaparece.

Errores comunes al interpretar herramientas como Atlas

  • Confundir Wiz Atlas con MITRE ATLAS. Son cosas distintas. Uno es un sistema que caza bugs; el otro es un marco de referencia sobre amenazas a modelos de IA. No los mezcles en la misma frase.
  • Creer que 90,9% lo hace el número uno absoluto. El harness MDASH de Microsoft sacó 95,95% en el mismo CyberGym. Atlas lidera su grupo, no la tabla completa.
  • Tomar los benchmarks como verdad independiente. La mayoría los publica el propio vendedor. Sirven para comparar, no como veredicto final.
  • Pensar que reemplaza tu stack de seguridad. Atlas se suma a lo que ya tenés (escaneo de imágenes, monitoreo en runtime), no lo tira a la basura.

Preguntas Frecuentes

¿Qué es el sistema Wiz Atlas de vulnerabilidades?

Es un sistema autónomo multi-agente de IA creado por Wiz para encontrar vulnerabilidades en código de forma automática. En lugar de usar un solo modelo, orquesta varios (Claude Opus 4.6 y GPT-5.5, con Gemini en camino) y valida cada hallazgo con un exploit funcional para bajar los falsos positivos.

¿Cuántas vulnerabilidades zero-day encontró Atlas?

Más de 200 vulnerabilidades previamente desconocidas, según el anuncio de Wiz del 27 de julio de 2026. Lo llamativo es dónde: en código abierto muy usado que llevaba décadas siendo fuzzeado y revisado por especialistas de seguridad. Sobre eso hablamos en análisis de seguridad descentralizado.

¿Cuánto sacó Atlas en el benchmark CyberGym?

Atlas logró 90,9% de éxito en CyberGym, por encima de GPT-5.5 Cyber (85,6%), Mythos 5 de Anthropic (83,8%) y Gemini 3.5 Flash Cyber (83,2%). El harness MDASH de Microsoft quedó todavía más arriba, con 95,95%.

¿Qué modelos de IA usa Atlas por dentro?

Atlas combina Claude Opus 4.6 de Anthropic con GPT-5.5 de OpenAI, y Wiz confirmó que está sumando Gemini. La idea es asignar el modelo más adecuado a cada tarea (análisis, generación de exploits, validación) en vez de depender de uno solo.

¿Atlas está disponible para cualquier empresa?

Wiz lo presenta como parte de su ecosistema de seguridad agéntica, integrado con sus productos de análisis de código. El objetivo declarado es que el escaneo profundo sea barato de correr a escala, para que cualquier organización pueda usarlo de forma continua y no solo en auditorías puntuales.

Conclusión

Lo que cambió esta semana es la vara. Un sistema de IA sacó 200+ bugs de código que se suponía blindado por décadas de auditoría, y lo hizo entregando exploits que prueban cada uno. Eso mueve el foco desde “encontrar” hacia “validar y priorizar”, que es donde el equipo humano suma.

Si manejás infraestructura, contenedores o código propio, la lección práctica es concreta: la seguridad asistida por IA dejó de ser una promesa de laboratorio. Empezá a mirar cómo integrar escaneo continuo en tu pipeline, sin creerte los porcentajes de marketing y esperando validaciones independientes. Y acordate del asterisco: Atlas lidera su grupo, pero MDASH de Microsoft todavía le gana en el mismo test. La carrera recién arranca.

Fuentes

Te puede interesar...