GPT-6 Astra rompe un mensaje Enigma de 1941 sin ayuda

El mensaje que ningún criptógrafo humano pudo romper en 21 años

El 15 de septiembre de 2026, Carter Leffer escribió a Frode Weierud, de Crypto Cellar Research, para validar algo que parecía imposible: la ruptura del mensaje MVUEH, una cifra Enigma de la Wehrmacht alemana enviada el 10 de julio de 1941 y que llevaba sin resolverse desde 2005. Weierud, criptógrafo veterano, confirmó que la clave y el texto plano eran correctos. Lo que cambió respecto a intentos previos no fue el método: fue quién lo hizo.

La IA GPT-6 Astra de OpenAI descifró el mensaje de forma autónoma, sin instrucciones de criptoanálisis específicas. Leffer solo le pidió que explorara los mensajes pendientes en la web de Crypto Cellar. El modelo eligió por su cuenta el MVUEH como el candidato más prometedor, sospechó que su texto plano podía estar relacionado con el del mensaje Nr. 173 (SIPVX, ya roto en 2017 por Alex Shovkoplyas) y construyó su propia simulación de Enigma y una bombe en Python y C++ para atacarlo con el topónimo repetido ROSENOW ROSENOW como crib. El trabajo que a un humano le habría llevado «semanas o incluso meses», según Weierud, lo completó la IA en dos días.

Por qué MVUEH era diferente a otros mensajes del mismo día

Los criptógrafos habían logrado romper casi todos los mensajes del 10 de julio de 1941 porque compartían la clave diaria de la red. El SIPVX, descifrado por Shovkoplyas, ya había revelado una anomalía: usaba el mismo orden de rotores (512) que el resto del día, pero con Stecker y Ringstellung distintos. Aun así, esa pista no permitió atacar el MVUEH.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La sorpresa fue doble cuando Astra encontró la clave correcta:

Orden de rotores completamente diferente: 253 en lugar del 512 del resto de mensajes del día.
Texto plano casi idéntico al del SIPVX: solo 12 letras de diferencia en 82 (MVUEH) frente a 94 (SIPVX). Las variaciones se explican por un error de cifrado (Bitte → Btte) y por la repetición de la firma del emisor, Waschbusch.

Además, el cifrado contenía errores de transcripción del formulario original y un turnover del rotor izquierdo en la letra 72, un fenómeno raro que complica cualquier intento de ruptura. Cualquiera de estos factores bastaba para descarrillar ataques previos.

La pista del archivo alemán que la IA encontró sola

En julio de 2026, Crypto Cellar había anunciado en su web que investigaciones en el Bundesarchiv alemán habían sacado a la luz colecciones de mensajes de radio del Nachschubführer de la división SS-Totenkopf, muchos de ellos idénticos a los de su lista de 1941. Los archivos referenciados (RS 3–3/20a y RS 3–3/63b) no están disponibles públicamente en la web de Crypto Cellar.

Astra localizó esa nota, siguió la pista archivística y la incorporó a su proceso de ataque. Weierud aún no pudo confirmar si la IA accedió a las colecciones digitalizadas del Bundesarchiv o si encontró los archivos en una colección privada, pero los números de referencia que cita son correctos. «GPT-6 Astra se está comportando como un criptógrafo profesional y un investigador de archivo muy serio», escribió Weierud.

Qué es GPT-6 Astra y por qué esto importa más allá de la criptografía

GPT-6 Astra es el modelo insignia que OpenAI presentó el 3 de septiembre de 2026, descrito por el presidente Greg Brockman como un salto generacional hacia la era AGI. Según datos de lanzamiento cubiertos por Wired y otros medios, fue entrenado con más de 100.000 GPUs en la planta Stargate de Texas y ofrece, entre otras capacidades, uso autónomo de computadora, automatización de flujos multipaso, generación de documentos y navegación web con razonamiento. En su configuración API estándar cuesta US$10 por millón de tokens de entrada y US$50 por millón de tokens de salida, con un modo Fast aproximadamente al doble de precio.

Lo del Enigma no es una anécdota: es la demostración pública más contundente de que estos modelos ya pueden sostener cadenas largas de razonamiento sobre un problema especializado, escribir el software que necesitan y volver sobre sus pasos cuando un camino falla. Por eso el propio OpenAI lo clasificó como modelo de nivel «crítico» en su Preparedness Framework después de que alcanzara 100% en ExploitBench, lo que motivó un despliegue escalonado empezando por su programa Daybreak de ciberseguridad.

Para el ecosistema startup, la pregunta ya no es si una IA puede «ayudar» en investigación profunda: es cuánto trabajo intelectual de especialista podrá absorber sin supervisión.

¿Qué significa esto para tu startup?

Si tu producto toca investigación, análisis técnico o trabajo con datos no estructurados, el listón acaba de subir. Ya no compites solo con otros que usan IA como copiloto: compites con equipos que le delegan trabajos enteros a un agente.

Acciones concretas que puedes tomar esta semana:

Audita tus flujos de investigación interna. Tareas que hoy haces con un analista junior (revisión de literatura técnica, due diligence documental, armado de datasets a partir de PDFs escaneados, lectura de normas) son candidatas inmediatas a Astra u otros modelos agenticos. Empieza por una que ya sea cuello de botella.
Reescribe tus prompts como objetivos, no como instrucciones. El caso MVUEH muestra lo que pasa cuando le das a un agente un objetivo abierto («explora estos mensajes pendientes y mira qué sale») en lugar de un paso a paso. Revisa tus system prompts y cambia el «haz X, luego Y» por «define qué cuenta como éxito y explora».
Construye una «bombe» interna para tu dominio. Igual que Astra escribió su propio simulador de Enigma, identifica el cálculo o la simulación específica que tu sector repite una y otra vez y codifícala como herramienta determinista que el agente pueda invocar. La IA razona mejor cuando tiene herramientas precisas as para ejecutar.
Piensa en costo por tarea, no por token. A US$50 por millón de tokens de salida, una investigación profunda de varios días como la del MVUEH puede sumar cientos de dólares. Modela el costo unitario antes de presentar la propuesta al cliente o al board.