OpenAI y Anthropic bloquean trabajo rutinario de developers

El precio oculto de los modelos frontera: tiempo perdido en bloqueos

La promesa de los modelos frontera suena bien sobre el escenario del OpenAI Dev Day 2026: rendimiento cercano a GPT-6 Astra a una quinta parte del costo por token, según datos publicados por la propia OpenAI. Pero fuera del escenario, varios developers que conversaron con VentureBeat describen una fricción menos publicitada: las salvaguardas de OpenAI y Anthropic están marcando trabajo rutinario como sensible y les cuestan horas cada semana.

No es un caso aislado. El JetBrains 2026 Developer Ecosystem Survey, realizado entre abril y julio sobre más de 15.000 desarrolladores profesionales, encontró que el 90% usa agentes de código con IA al menos semanalmente y el 68% lo hace a diario. Cuando el bloqueo aparece una vez por hora, la productividad semanal se resiente, según reportó VentureBeat.

¿Qué está pasando realmente?

El patrón que describen los developers consultados por VentureBeat no es el de una negativa rotunda, sino el de una conversación que se «contamina» y obliga a empezar de nuevo.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Alejandro Carrasco, estudiante de segundo año de maestría en el Departamento de Aeronáutica y Astronáutica del MIT, trabaja con un laboratorio de Stanford poniendo agentes LLM a controlar naves espaciales simuladas. Comentó a VentureBeat que sus pedidos sobre satélites en simulador son tratados como sospechosos: «Como estoy trabajando con el departamento espacial, a veces el modelo piensa que estoy intentando hacer cosas militares». Una vez que el chat cruza cierto umbral, dijo, deja de valer la pena redirigirlo: «Cuando veo que mi chat llega a un punto de no retorno, simplemente cambio».

Martin Kemka, que construye proyectos de robótica, contó que los bloqueos llegaban incluso en tareas básicas: crear una interfaz para un brazo robótico o abrir una sesión SSH en otra máquina. Carrasco agregó que la fricción escala cuando el modelo accede a un dispositivo real; hace unos meses, uno de los modelos no llegó a negarse, pero le pidió declarar explícitamente, por su nombre, que autorizaba el acceso a su propia cámara y sensores. Ambos identificaron a Anthropic Claude como el más agresivo de los frontera.

Rohan Balkondekar, que reparte su tiempo entre Xsolla y la agencia VibeGrow que cofundó, lo resumió así: «Odian la palabra cyber. Cuando dices ciberseguridad, directamente dicen: no». Su equipo revisa código open-source de terceros en busca de vulnerabilidades, una de las tareas que más dispara los guardrails. Dijo que el problema se agudizó con los lanzamientos frontera más recientes, apuntando a los Anthropic Fable y a la línea GPT-6.

El caso más visible es el de Elvis Saravia, cofundador de DAIR.AI y autor del Prompt Engineering Guide, que terminó cancelando su suscripción de Anthropic por bloqueos «realmente evidentes» y migró a GPT-6 Astra, el modelo que, según VentureBeat, le resultó menos restrictivo.

Cómo están respondiendo OpenAI y Anthropic

Ambas compañías reconocieron el problema en distinto grado.

OpenAI dijo a VentureBeat que sus modelos GPT-6 Astra y GPT-6.1 Sol rechazan pedidos inocuos con menos frecuencia que la serie GPT-5, pero que las comprobaciones adicionales de seguridad aún pueden «ralentizar, pausar o detener trabajo legítimo», incluida la ciberseguridad defensiva. La compañía asegura que sigue refinando los filtros para reducir interrupciones innecesarias. GPT-6.1 Sol, presentado en el Dev Day, mantiene la pila de salvaguardas de Astra pero a un quinto del precio por token, según VentureBeat y la ficha técnica del modelo. eWeek reportó que GPT-6.1 Sol subió su tasa de éxito en ExploitBench del 5,5% al 21,5%, lo que motivó que OpenAI reclasificara el modelo como Critical en su Preparedness Framework, una categoría asociada a controles más estrictos.

Para trabajo de seguridad autorizado, OpenAI ofrece Daybreak Access, su programa de acceso confiable para clientes empresariales calificados y profesionales de ciberseguridad, que cubre revisión de código, triaje de vulnerabilidades, respuesta a incidentes y análisis de malware, según la documentación del programa. Fortune y Reuters reportaron el 24 de septiembre que la compañía alista un modelo enfocado en ciberseguridad para un grupo reducido de clientes, sin confirmación oficial de OpenAI.

Anthropic, por su parte, reconoció haber afinado el equilibrio. Tras el lanzamiento de Fable 5 en junio, los desarrolladores se quejaron de que su sistema de seguridad bloqueaba prompts benignos, y la compañía dijo públicamente haber fallado en la ponderación. Con Fable 5.1, presentado el 1 de septiembre, Anthropic dijo que sus salvaguardas de ciberseguridad ahora permiten descubrimiento de vulnerabilidades en código fuente y deberían producir alrededor de un 60% menos de intervenciones por sesión en Claude Code, aunque las pruebas de penetración, la generación de exploits y el escaneo de binarios siguen redirigiéndose a modelos Opus. TechCrunch y Unite.ai reportaron que el cambio responde a críticas de clientes sobre precio, retención de datos y salvaguardas excesivamente celosas.

Anthropic no respondió a la solicitud de comentarios de VentureBeat antes de la publicación.

El workaround de los modelos abiertos

Cuando un modelo frontera dice que no, los developers hacen lo predecible: rotan a otro modelo. Y cada vez más, ese otro modelo es abierto.

Balkondekar contó que su equipo recurre a modelos abiertos cuando Anthropic y OpenAI rechazan la tarea: «Porque alguien tiene que hacerlo. Nadie se puede sentar a revisar todo». Citó a Kimi, de Moonshot AI, como uno de los que ya tienen en producción. Carrasco usa Qwen, de Alibaba, para investigación y sostuvo que muchos flujos de trabajo necesitan un modelo rápido y local más que uno frontera, sobre todo cuando alguien en la comunidad open-source ya lo ajustó para el dominio. Kemka apuntó a Apfel, una app que expone como API local el modelo de lenguaje que Apple incluye en la última versión de macOS.

El dato importa porque confirma una tendencia que el propio JetBrains viene midiendo: la adopción de Claude Code saltó del 18% al 39% en seis meses, Codex pasó del 3% al 16%, y herramientas como Cursor bajaron del 18% al 12%. En otras palabras, el mercado de tooling de IA se sigue fragmentando y los modelos abiertos tienen espacio para ganar terreno cada vez que un filtro frontera molesta más de lo que ayuda.

¿Qué significa esto para tu startup?

Si tu producto depende de un agente frontera para tareas de defensa, robótica o aerospace, diseña desde el día uno la ruta de escape.

Mapea los dominios sensibles antes de elegir proveedor. Si trabajas en ciberseguridad defensiva,satélite o hardware físico, evalúa si tu caso entra en Daybreak Access de OpenAI o en el Cyber Verification Program de Anthropic. Si no calificas, ten un modelo abierto (Kimi, Qwen o uno local como Apfel) listo como fallback documentado.
Mide el costo de las salvaguardas, no solo el costo del token. Un prompt más barato en GPT-6.1 Sol no compensa si dos de cada tres sesiones se reinician por un falso positivo. Loggea tasa de intervenciones por sesión y tiempo perdido por retry, y úsalo como criterio de selección al renovar contratos con tu proveedor.
No encadenes tu producto a un solo vendor. JetBrains mostró que los developers usan entre tres y cinco agentes a la semana. Construye tu stack de IA con una capa de abstracción que permita enrutar a otro modelo cuando el principal devuelve una negativa; los SDK actuales de OpenAI, Anthropic y los principales modelos abiertos ya lo permiten con poco esfuerzo.