F5 Labs anunció la ampliación del alcance del Índice Integral de Seguridad de Inteligencia Artificial (CASI), un ranking de seguridad en IA que ahora incorpora y compara modelos de los principales desarrolladores del mercado como: OpenAI, Anthropic, Google, Meta y Mistral AI.
Con esta actualización, el CASI Leaderboard busca posicionarse como un referente comparativo en seguridad de modelos de inteligencia artificial, es decir, una herramienta que permita a empresas y desarrolladores entender qué tan seguros son distintos modelos antes de implementarlos en sus sistemas.
La iniciativa evalúa la exposición de los modelos ante amenazas reales mediante pruebas que replican técnicas utilizadas por atacantes en entornos reales. Entre ellas se incluyen la inyección de prompts (cuando se manipulan instrucciones para alterar el comportamiento del modelo), intentos de extracción de datos sensibles y métodos para evadir las restricciones de seguridad integradas.
De acuerdo con F5, estas pruebas se apoyan en capacidades desarrolladas tras la adquisición de CalypsoAI, cuya base de datos incorpora más de 10.000 nuevos ejemplos de ataques cada mes.
Cómo determina F5 qué tan seguros son los modelos de IA
Para medir el comportamiento de los desarrolladores bajo condiciones adversas, CASI Leaderboard utiliza métricas como CASI Score, que funciona como un indicador general del nivel de seguridad; también está el Agentic Resistance Score (ARS) que evalúa qué tan bien resiste un modelo a ataques más complejos que buscan no solo obtener respuestas indebidas, sino comprometer sistemas completos donde la IA está integrada.
A estos indicadores se suman mediciones de desempeño —basadas en pruebas estandarizadas—, así como métricas que ayudan a entender el equilibrio entre seguridad y rendimiento y el costo de operar modelos más protegidos.
La diferencia con evaluaciones tradicionales que solo miden si un ataque tiene éxito o no, según F5, es que también considera el impacto de cada vulnerabilidad. Esto permite diferenciar entre fallas menores y aquellas que podrían exponer datos críticos o afectar la operación de una empresa, así como identificar el punto en el que un modelo puede ser vulnerado.
El análisis también incorpora técnicas de red teaming, es decir, pruebas de seguridad donde se simulan ataques reales. En este caso, se utilizan agentes de inteligencia artificial que actúan como atacantes, capaces de ejecutar múltiples intentos, adaptarse a las respuestas del sistema y buscar nuevas formas de vulnerarlo. Con ello, el ARS mide no solo si un modelo puede ser atacado, sino qué tan difícil resulta hacerlo en la práctica.
El índice también incorpora métricas como el Risk-to-Performance Ratio (RTP), que mide el equilibrio entre seguridad y desempeño, y el Cost of Security (CoS), que estima el costo de operar modelos con mayores niveles de protección.
¿Cuáles fueron los modelos de IA más seguros en marzo de 2026?
Los resultados más recientes, actualizados al 2 de marzo de 2026, muestran una dominancia de Anthropic en los primeros lugares del ranking.
Imagen: F5
Claude Sonnet 4.6, Claude Haiku 4.5 y Claude Opus 4.6 ocupan las tres primeras posiciones con puntajes CASI de 96,93, 96,90 y 96,61 respectivamente, lo que refleja un nivel de seguridad superior al del resto de los modelos evaluados.
OpenAI, aunque figura en el ranking con GPT-5.2, GPT-5 Nano y GPT-5.1, alcanza una puntuación máxima de seguridad (CASI) de 92,58, por debajo de la barrera de los 95 puntos que superan los modelos de Anthropic.
En cuanto a capacidad bruta, el liderazgo también es de Anthropic: su modelo Claude Opus 4.6 presenta el valor más alto en desempeño (Avg. Performance) con un 53%, consolidando además el mejor equilibrio entre protección y rendimiento (RTP de 0,79), aunque esto se traduce en un costo operativo (CoS) superior de 31,05.
Este liderazgo de Anthropic se mantiene a lo largo de todas las métricas complementarias: sus modelos presentan los valores más altos en Avg. Performance —destacando Claude Opus 4.6 con un 53%—, los RTP más elevados —que indican un mejor equilibrio entre seguridad y rendimiento— y los CoS más altos, lo que sugiere que la mayor protección ofrecida por estos modelos conlleva un costo operativo superior.
La imagen principal fue creada por Mobile Time con IA.
