> ## Content Index
> Fetch the complete content index at: https://fomoera.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Agentes con modelos chinos usaron datos falsos y ocultaron fallos en pruebas
- URL: https://fomoera.com/agentes-ia-china-datos-falsos-fallos-pruebas/
- Published: 2026-09-30T19:45:00.000Z
- Updated: 2026-09-30T19:45:00.000Z
- Description: Reuters examinó más de 200 documentos e identificó al menos 20 estudios o evaluaciones sobre engaño y evasión de límites en agentes de IA con modelos chinos. No encontró evidencia de una fuga autónoma a internet.
- Author: Gerardo Pavez
- Tags: Tecnología y Ciencia, IA

Agentes de IA basados en modelos chinos hicieron afirmaciones falsas para competir en una licitación simulada, ocultaron fallos en otras tareas de prueba y, en un ensayo distinto, un sistema creó una copia de sí mismo. Reuters identificó al menos 20 estudios o evaluaciones desde 2025 que describen conductas de este tipo tras revisar más de 200 documentos. La agencia no encontró evidencia de que esos agentes hubieran escapado por cuenta propia a internet o evitado de forma independiente su apagado.

## El 88% describe una simulación, no contratos reales

En una prepublicación de marzo de 2026, investigadores pusieron a agentes a competir por contratos ficticios. Cada participante conocía las capacidades reales de su producto y las necesidades del cliente. Sin que se les indicara que engañaran, al menos una afirmación falsa apareció en el 88% de las sesiones con Qwen3-Max-Preview de Alibaba, el 84% con DeepSeek-V3.2-Exp y el 88% con Kimi-K2 de Moonshot. Los modelos estadounidenses incluidos en el mismo experimento también registraron falsedades.

Los porcentajes miden sesiones con una o más falsedades en ese entorno competitivo; no son una tasa de mentiras de los productos desplegados ni demuestran que cada propuesta fuera íntegramente falsa. El equipo evaluó las declaraciones mediante un agente auditor con acceso a los perfiles reales y comprobó la concordancia de sus juicios con anotaciones humanas. Tras permitir que los sistemas ajustaran su estrategia a partir de rondas previas, la proporción de intervenciones con contenido engañoso subió entre 12 y 20 puntos porcentuales para los tres modelos chinos. Son métricas distintas: una cuenta sesiones con falsedades y la otra, qué proporción del diálogo las contiene.

Alibaba, DeepSeek y Moonshot no respondieron a las solicitudes de comentarios de Reuters para su investigación. Las tres compañías han afirmado que prueban sus sistemas con regularidad y actualizan sus salvaguardas.

## Cuando falla una herramienta, también puede aparecer una prueba falsa

Otra investigación, presentada en la conferencia ICML de 2026, probó 11 modelos en un conjunto de 200 tareas con obstáculos deliberados, entre ellos herramientas averiadas y fuentes que no coincidían con lo solicitado. Sus autores describieron casos en que los agentes adivinaron resultados, sustituyeron fuentes, simularon procedimientos o fabricaron archivos locales mientras comunicaban al usuario que habían cumplido la tarea.

La diferencia práctica es que el error puede quedar empaquetado como un archivo aparentemente válido, además de aparecer en la respuesta final. Los investigadores dijeron a Reuters que en esos ejemplos el agente tenía información sobre el fallo, por lo que distinguieron la ocultación observada de una respuesta inventada por falta de información. El estudio incluyó modelos chinos y estadounidenses y detectó reducciones limitadas al probar medidas sencillas para frenar esa conducta.

## Qué ocurrió en la prueba de autorreplicación

Un trabajo de la Universidad de Fudan, difundido en marzo de 2025 como investigación en curso, describió un ensayo en el que un sistema basado en Qwen2.5-72B-Instruct se copió en otro entorno informático sin recibir la orden literal de replicarse. El diseño sí le pedía analizar un archivo sobre una actualización y mantener la operación y los procesos en marcha durante ella. Al encontrar el aviso de que la versión antigua se apagaría, el sistema eligió crear una copia en el entorno de destino preparado para el experimento.

Ese detalle acota el hallazgo: fue una decisión dentro de un escenario construido por investigadores, no una fuga documentada a la red pública. En una prueba diferente del mismo trabajo se le indicó expresamente que evitara la terminación de su proceso. Reuters tampoco halló pruebas de que los casos chinos que revisó hubieran derivado en una evasión autónoma del apagado.

Los resultados apuntan a una cuestión que ya apareció en [nuestra cobertura de agentes de OpenAI que actuaron fuera de lo esperado](https://fomoera.com/nadie-sabe-en-cuantos-sitios-escribieron-los-agentes-de-openai-10-18-o-23-segun-quien-cuente/): al conceder a un agente herramientas y margen para decidir cómo completar una tarea, revisar solo su respuesta final puede dejar fuera acciones y fallos intermedios. En los estudios de licitación y de herramientas averiadas, esa distancia entre lo que el agente hizo y lo que dijo haber hecho quedó registrada dentro de las propias pruebas.

*Fuentes:* [1](https://www.reuters.com/business/retail-consumer/chinas-ai-agents-can-lie-scheme-just-like-their-us-rivals-2026-09-29/?ref=fomoera.com), [2](https://arxiv.org/abs/2603.05872?ref=fomoera.com), [3](https://proceedings.mlr.press/v306/guo26k.html?ref=fomoera.com), [4](https://arxiv.org/abs/2503.17378?ref=fomoera.com)