El momento Mythos
El 7 de abril de 2026, Anthropic anunció Claude Mythos Preview. El titular ya era impactante por sí mismo: un único modelo, funcionando de forma autónoma, identificó miles de vulnerabilidades de seguridad previamente desconocidas en cada sistema operativo y navegador web importante. Una de ellas, un fallo de ejecución remota de código en la implementación de NFS de FreeBSD, llevaba 17 años en el código base. Sobrevivió a revisiones por pares, auditorías manuales y millones de pruebas automatizadas. Mythos lo encontró en horas, y luego escribió un exploit funcional.
Pocas semanas después, investigadores de seguridad informaron que Mythos también había sacado a la luz una vulnerabilidad de TCP SACK de 27 años de antigüedad en OpenBSD y un fallo de 16 años en FFmpeg. Anthropic decidió no lanzar el modelo comercialmente. En su lugar, la compañía puso en marcha Project Glasswing, un consorcio de grandes empresas tecnológicas que trabajan a través de divulgación responsable de los hallazgos de Mythos.
La reacción se dividió como era previsible. Algunos lo trataron como un salto generacional, el momento en que la IA pasó de "asistente útil" a "agente autónomo con capacidades ofensivas". Otros, incluido The Ringer, se preguntaron si Mythos podría, en principio, destruir internet. Ambas reacciones pasan por alto la pregunta más útil para cualquiera que no esté dirigiendo un equipo de seguridad.
La pregunta es esta: si un modelo tan capaz aún no tiene idea de quién es usted, ¿qué le dice eso sobre dónde reside el valor duradero?
Lo que Mythos puede hacer, y lo que no
Conviene ser concreto sobre lo que Mythos realmente representa, porque la brecha entre el bombo y la realidad es donde vive el pensamiento útil.
Según el informe del red team de Anthropic y la cobertura de InfoQ, Mythos Preview muestra las mayores mejoras sobre Claude Opus 4.6 en matemáticas, razonamiento de contexto largo, ingeniería de software y ciberseguridad. En benchmarks estándar establece nuevos récords. En tareas de seguridad adversariales opera con un grado de autonomía que los modelos anteriores no podían sostener. Déle un objetivo y puede planificar, sondear e iterar sin más instrucciones.
Pero fíjese en lo que falta en esa lista.
Mythos no sabe qué libro leyó usted en un vuelo en 2021 que reconfiguró silenciosamente cómo piensa sobre su carrera. No sabe que un solo párrafo de una entrevista con Tyler Cowen le hizo reconsiderar una decisión de inversión. No sabe los tres resaltados de un hilo de Naval Ravikant a los que ha vuelto cuatro veces este año. No conoce su velocidad de lectura, su tolerancia a la ambigüedad, su gusto por el contraargumento, ni la forma específica en que tiende a malinterpretar ciertos tipos de evidencia.
Aquí está la asimetría. Mythos fue entrenado con el internet público más cualquier dato propietario que Anthropic pudiera licenciar. Lo mismo ocurre con todos los demás modelos de frontera. La información pública es el insumo al que tiene acceso todo laboratorio. Es el mínimo para entrar. Lo que ningún modelo tiene, por defecto, es el rastro de su mente específica moviéndose a través de la información a lo largo del tiempo.
Ese rastro vive en tres lugares. Vive en su cabeza, donde es propenso a pérdidas y al olvido. Vive en herramientas dispersas (apps de notas, carpetas de capturas de pantalla, marcadores del navegador), donde resulta efectivamente invisible para la IA. O vive en una forma estructurada que la IA realmente puede consumir.
La tercera opción es la que lo cambia todo.
Por qué el contexto personal es el nuevo foso
En estrategia, un foso es una ventaja estructural que los competidores no pueden replicar fácilmente. El foso de Coca-Cola es la marca. El foso de Google es el grafo de enlaces más los datos de clics de los usuarios. El foso de AWS son los costos de cambio.
Para las personas que trabajan con IA, ¿cuál es el análogo?
No es el acceso a mejores modelos. La capacidad de frontera está convergiendo rápido y la diferencia entre el mejor modelo cerrado y el mejor abierto se mide ahora en meses. No es la habilidad para escribir prompts, porque eso es un oficio que se enseña y el apalancamiento es finito. Ni siquiera es la experiencia de dominio en bruto, dado que la IA puede comprimir la brecha entre novato y experto en la mayoría de las tareas de conocimiento explícito.
El foso es la parte de su cognición que es legible para la IA y no está disponible para nadie más. Llámelo contexto personal.
Esto ya era cierto antes de Mythos. Lo que Mythos clarifica es que ninguna cantidad de capacidad del modelo borra la brecha. Un modelo más potente sin contexto sobre usted no produce un mejor resultado personalizado. Produce un resultado genérico más confiado, lo cual es peor, porque la confianza eleva el costo de detectar errores.
Piense en lo que pasa cuando le pide consejo a una IA genérica sobre una decisión profesional. Hace coincidencias de patrones con millones de prompts similares y le da una respuesta con la forma del promedio. Si nunca le ha dicho al modelo que usted optimiza para mantener opciones abiertas, que ya ha pasado por un burnout como fundador, que la industria específica en la que está cambia de maneras que los datos de entrenamiento no reflejan, no puede ponderar esos factores. Le dará consejos fluidos y plausibles calibrados para nadie.
Ahora imagine que ha pasado tres años alimentándolo con sus resaltados de libros y artículos, sus notas de podcasts, sus anotaciones sobre sus propios textos. De pronto el mismo modelo le da consejos que hacen referencia a sus prioridades declaradas, al marco que resaltó de una entrevista de Patrick O'Shaughnessy, al modo de falla específico que marcó cuando leía sobre el burnout de otro fundador. El mismo modelo. Un resultado distinto. La diferencia es el contexto.
Esta es la misma lógica que impulsó Building a Second Brain y el marco de Tiago Forte, llevada a un foco más nítido por el lanzamiento de Mythos. El punto de capturar no es la recuperación por usted. Es alimentar un sistema que se vuelve más valioso a medida que tanto su contexto como el modelo subyacente mejoran.
Los resaltados como unidad atómica del contexto
No todo el contexto es igualmente útil para la IA. El formato importa más de lo que la gente cree.
Considere la diferencia entre tres formas de capturar la misma idea de un libro.
Podría leer el libro y recordar a grandes rasgos que "el autor argumentó algo sobre bucles de retroalimentación". Eso es inútil para la IA porque no puede recuperarse como un hecho discreto. También es propenso a pérdidas, porque olvidará el matiz en una semana.
Podría copiar el capítulo entero en una app de notas. Eso es peor que inútil. La IA ahora tiene que escanear miles de palabras irrelevantes para encontrar la oración que le importó. Peor aún, ha eliminado la atribución de la fuente, así que el modelo no puede verificar ni extender la afirmación.
O podría resaltar la oración específica que le impactó, dejarla vinculada a la URL de origen o al capítulo del libro, y opcionalmente añadir una nota de una línea sobre por qué importó. Ese resaltado es ahora un átomo de contexto. Está prefiltrado (usted lo eligió), es lo bastante corto para cargarse de forma barata en un prompt, tiene atribución de fuente para verificación, y es lo bastante pequeño para que miles de ellos quepan en una sola llamada de recuperación.
Por eso el resaltador web de Glasp está estructurado como está. Un resaltado es la unidad más pequeña de atención que puede capturar mientras conserva todo lo que la IA necesita. Multiplique eso por unos cientos o unos miles a través de los libros, artículos y PDFs que realmente moldearon su pensamiento, y tendrá un corpus personal que los datos de entrenamiento de ningún laboratorio cubren.
Sume encima los resaltados de Kindle, que a menudo representan su lectura más profunda y considerada, y el corpus se profundiza.
Sume marcas de tiempo de YouTube Summary de videos que encontró lo bastante densos como para realmente estudiarlos, y ya habrá capturado una capa de contexto que casi nadie se molesta en preservar (el conocimiento en video es famosamente difícil de extraer después del hecho).
Ha convertido lo que la mayoría de la gente pierde en algo que se acumula.
| Método de captura | Buscable por IA | Con atribución de fuente | Prefiltrado por relevancia | Costo para la IA |
|---|---|---|---|---|
| Solo memoria | No | No | Sí, con pérdidas | N/A |
| Capturas de pantalla | Pobre (el OCR varía) | No | Sí | Alto |
| Marcadores de texto completo | Sí | Sí | No | Alto |
| Notas escritas a mano | No | A veces | Sí | N/A |
| Resaltados con fuente | Sí | Sí | Sí | Bajo |
El formato no es un lujo. Es la diferencia entre un sistema de contexto que la IA puede usar y un montón que la IA tiene que ignorar.
La pila de contexto personal
Una vez que empieza a pensar en el contexto personal como un foso, conviene verlo como una pila, no como una sola cosa.
Capa 1: resaltados en bruto. Las oraciones y los clips que marcó. Son los átomos más pequeños y baratos. Responden a la pregunta "¿por qué cosa esta persona consideró que valía la pena detenerse?".
Capa 2: anotaciones. Una nota breve adjunta a un resaltado que captura el porqué. No "esto es interesante" sino "esto contradice X" o "útil para la decisión del Q3". Las anotaciones añaden una señal que el resaltado por sí solo no puede llevar.
Capa 3: perfil y objetivos declarados. Quién es usted en el mundo. Qué está intentando aprender, construir o decidir. Es el equivalente a un system prompt para una IA personal. Le dice al modelo cómo interpretar todo lo que hay en las capas 1 y 2.
Capa 4: contexto social. Lo que otros en su red consideraron digno de resaltar en las mismas fuentes. Aquí es donde el feed de la comunidad de Glasp se vuelve útil. Ver a cinco personas en quienes confía resaltar oraciones distintas del mismo ensayo le dice algo sobre el ensayo que los resaltados de una sola persona no le dirían.
Capa 5: AI Chat sobre la pila. Aquí es donde todo se vuelve operativo. Herramientas como el AI Chat de Glasp le permiten consultar su pila directamente. "¿Qué resalté sobre la toma de decisiones en condiciones de incertidumbre?" "Trae cada resaltado de mis últimos seis meses que haya tocado el tema de contratación." "Encuentra la contradicción entre lo que dijo Marc Andreessen en esta entrevista y lo que resalté de Peter Thiel hace dos años." Sin la pila, esas preguntas ni siquiera tienen sentido.
Lo interesante es que cada capa potencia a las demás. Un perfil sin resaltados es un prompt genérico. Resaltados sin anotaciones son átomos sin enlaces. El contexto social sin su propio corpus es solo un feed. AI Chat sin una pila que consultar es el mismo chatbot genérico que tiene cualquier otra persona.
La pila completa es la única cosa de esta lista que es genuinamente suya.
Lo que Glasswing enseña a las personas
Project Glasswing, la respuesta de Anthropic a la capacidad ofensiva de Mythos, vale la pena estudiarlo como patrón estratégico. También resulta ser una ilustración casi perfecta del principio del contexto personal aplicado a escala industrial.
Anthropic podría haber lanzado Mythos públicamente. Decidieron no hacerlo. Podrían haber publicado abiertamente las vulnerabilidades descubiertas. Decidieron no hacerlo. En su lugar, construyeron una red curada de partes de confianza (Microsoft, Apple, Google y otras) y compartieron los hallazgos dentro de esa red, con un cronograma coordinado de divulgación.
El razonamiento, según se explica en el análisis de CETaS del Alan Turing Institute, es directo. La liberación pública de capacidad sin contexto produce caos. La liberación curada de la misma capacidad dentro de una red que tiene el contexto para actuar responsablemente sobre ella produce sistemas arreglados.
Aplique eso a las personas. Una IA de frontera sin su contexto personal es el Mythos ofensivo, capaz pero desalineado con su situación específica. La misma IA con acceso a una pila personal curada es la versión Glasswing, capaz y contextual. El modelo no cambia. Lo que cambia es la red de contexto que lo rodea.
Este es el mismo principio detrás de la inteligencia colectiva. El valor no está en ninguna pieza individual. Está en la curaduría y en las relaciones entre las piezas.
Para una persona que aprende, la traducción práctica es: deje de intentar mantenerse al día con cada lanzamiento de IA. Empiece a construir la capa de contexto que hace que cualquier lanzamiento le resulte útil.
Construir su foso sin un laboratorio
No necesita un equipo de investigación ni un laboratorio de modelos de frontera para construir contexto personal. Necesita un sistema con la fricción lo bastante baja como para que realmente lo use, y lo bastante estructurado para que la IA pueda leerlo después.
Algunos principios que se sostienen sin importar qué herramienta use.
Capture en la fuente, no más tarde. La ventana en la que una oración aún se siente importante es corta. Si la marca ahora y planea tomar notas "después", perderá el 80% de la señal. Resaltar en el navegador, en la página, en el momento de la atención, es la única forma de preservar por qué importó. El resaltador web de Glasp se construyó alrededor de esta restricción.
Anote con parquedad pero con especificidad. Un resaltado en blanco es útil. Un resaltado con "esto es genial" no lo es, porque no explica el porqué. Un resaltado con "contradice el marco que usé el trimestre pasado" es oro. Una anotación por cada diez resaltados está bien. Haga que esas anotaciones cuenten.
Preserve las fuentes religiosamente. Una cita sin fuente es no verificable. Su yo futuro se encontrará con el resaltado y no recordará si el autor era creíble. La IA lo tratará con la misma desconfianza. La atribución de fuente es un hábito pequeño con un apalancamiento desproporcionado.
Trate al video y al audio como de primera clase. La mayoría de los sistemas de contexto personal excluyen silenciosamente el video, lo cual es un problema porque la mitad del aprendizaje serio ahora ocurre a través de podcasts y YouTube. YouTube Summary con resaltados anclados a marcas de tiempo resuelve esto. El equivalente en video de un resaltado de libro es un clip de 30 segundos con una cita extraída de la transcripción.
Revisite con una cadencia lenta. Los resaltados que nunca relee siguen siendo útiles (la IA puede encontrarlos), pero los resaltados a los que vuelve ganan una segunda capa de señal: el hecho de que volvió. Este es el bucle de síntesis (capturar, revisitar, conectar) que convierte el contexto en bruto en algo más parecido al razonamiento.
Confíe en su red para lo que no puede capturar usted mismo. Nadie lee todo. El feed de la comunidad es donde ve qué consideraron digno de marcar las personas a las que respeta. Trátelo como una tubería paralela que rellena los rincones de su propia lectura.
Nada de esto es heroico. Es un pequeño conjunto de hábitos que, aplicados con constancia, producen una capa de contexto que ningún modelo tendrá a menos que usted la construya.
La brecha de capacidades se ampliará
Hay una línea de pensamiento tentadora que dice: la IA será lo bastante buena como para que el contexto personal no importe. Solo describa lo que necesita y un modelo lo bastante inteligente averiguará el resto.
El lanzamiento de Mythos es evidencia en contra de esa visión, no a favor.
He aquí por qué. La capacidad y el contexto no son sustitutos. Son complementos. Un modelo más inteligente sin contexto sobre usted es una herramienta más potente apuntando al blanco equivocado. Imagine entregar toda la capacidad de Mythos a alguien que no conoce su negocio, sus prioridades, ni sus errores pasados. La salida sería confiada, sofisticada y equivocada de maneras difíciles de detectar porque la fluidez superficial es muy alta.
Esta es la trampa del pensamiento con IA en su nivel más peligroso. Cuando el modelo es malo, usted lo nota. Cuando el modelo es excelente pero genérico, no lo nota, y actúa sobre su resultado de todos modos.
La salida no es frenar los modelos. Se vuelven más rápidos sin importar lo que hagamos. La salida es construir la capa de contexto personal que le permita usarlos de verdad. Los laboratorios están volcando recursos en la capacidad. Casi nadie está volcando recursos en su contexto. Esa asimetría es su oportunidad.
En dos años, las personas que tengan una pila de contexto personal funcionando tendrán una IA que opera como una extensión coherente de su pensamiento. Las personas que no la tengan tendrán una IA que opera como un extraño confiado. Ambos grupos estarán usando los mismos modelos.
Frequently Asked Questions
¿Claude Mythos está disponible para uso público?
No. A mayo de 2026, Anthropic no ha lanzado Mythos Preview de manera comercial. El modelo se usa internamente y a través de Project Glasswing para divulgación responsable de vulnerabilidades. Anthropic ha citado los riesgos de ciberseguridad como motivo para retener el acceso general. Esto es parte de por qué el modelo resulta interesante como caso de estudio: representa una capacidad que existe pero no es ampliamente accesible, lo que hace que la pregunta "qué haría usted con ella si la tuviera" valga la pena tomarse en serio.
¿Esto no hace que el contexto personal dependa de un único proveedor de IA?
No, si estructura bien su captura. Los resaltados, anotaciones y notas son portables. Son simplemente texto con atribución de fuente. Si los guarda en un sistema que permita exportar, puede moverlos entre proveedores de IA a medida que cambia la frontera. Lo que hay que evitar es cualquier herramienta que encierre su contexto en un formato propietario del que no pueda extraerlo. Glasp le permite exportar sus resaltados, que es la propiedad que usted quiere sin importar con qué IA termine.
¿En qué se diferencia esto de simplemente usar la función de memoria de ChatGPT?
La memoria de ChatGPT es un resumen opaco, controlado por el proveedor, de lo que ha inferido sobre usted a partir de las conversaciones. No puede auditarlo, no puede editarlo con facilidad, y no puede portarlo a otro modelo. El contexto personal, en el sentido en que este artículo lo usa, son datos estructurados que usted posee (resaltados, notas, perfiles). Puede inspeccionarlos, editarlos, versionarlos y alimentarlos a cualquier IA. Uno es una función de un producto. El otro es un foso que sobrevive a los cambios de producto.
¿Y si no he estado resaltando durante años? ¿Es demasiado tarde?
Nunca es demasiado tarde, pero no se puede comprimir el tiempo. El sistema que empieza a alimentar hoy será útil en meses e indispensable en años. Hay una frase de Charlie Munger que dice que el mejor momento para plantar un árbol fue hace veinte años y el segundo mejor momento es ahora. Aquí se aplica lo mismo. Las personas que empezaron Glasp hace tres años tienen una ventaja de contexto significativa hoy. Las personas que empiezan este mes tendrán esa misma ventaja en 2029.
¿No leerá la IA del futuro todo mi historial de navegación e inferirá todo esto de manera automática?
Quizá una parte. Pero dos cosas importan. Primero, el historial de navegación en bruto es en su mayoría ruido. La relación señal/ruido es mucho más baja que en los resaltados, que están prefiltrados por el recurso más caro de su vida: su atención. Segundo, incluso si una IA futura pudiera reconstruir su contexto a partir del historial, el proveedor que tenga esos datos no es necesariamente uno del que usted quiera depender. Tener la propiedad de su capa de contexto es una cobertura contra la forma futura de la industria de la IA, no solo una ganancia de eficiencia.
¿Cómo encaja YouTube Summary en esto?
El video y el audio suelen ser invisibles para los sistemas de contexto personal, lo cual es una carencia importante porque mucho aprendizaje serio ocurre ahora a través de ellos. YouTube Summary extrae una transcripción, saca a la luz los momentos clave y le permite resaltar marcas de tiempo específicas. La salida es funcionalmente idéntica a un resaltado de libro: una cita corta, una fuente, un instante en el tiempo. Eso significa que su aprendizaje de YouTube se convierte en contexto de primera clase, consultable por la IA junto con todo lo demás que ha leído.
¿Más contexto no significa más costo de prompt de IA?
Sí, pero el costo ha estado cayendo rápidamente y las ventanas de contexto se han estado expandiendo. Hace dos años, cargar 1.000 resaltados en un prompt era caro. Hoy es trivial. Para cuando haya construido un corpus lo bastante grande como para que importe, el costo de usarlo será menor que el costo de no tenerlo. El mayor riesgo es no tener el contexto, no tener demasiado.
Conclusión: empiece a alimentar el sistema que lo conocerá
Claude Mythos es la ilustración más clara hasta la fecha de lo que la IA de frontera puede hacer. Encontrar un bug de 27 años de antigüedad en código que sobrevivió décadas de revisión humana. Generar exploits funcionales sin ningún prompt humano. Hacerlo todo en horas. La capacidad es real, se está acelerando, y no va a frenar.
Lo que esa capacidad no incluye, y no incluirá por defecto, es ningún modelo de usted. Sus prioridades, su historial de lectura, las oraciones específicas que moldearon cómo piensa. Esa parte del cuadro es invisible incluso para el modelo más capaz a menos que usted la haga visible.
El trabajo es pequeño, pero no se comprime. Un resaltado a la vez. Una anotación cuando el contexto lo amerite. Un perfil corto que le diga a la IA cómo ponderar todo lo demás. Una pasada por los resaltados de su red cuando quiera una perspectiva que no generó usted mismo. Nada de esto es heroico. Todo se acumula.
El patrón Glasswing es también el modelo mental correcto para las personas. Mythos más una red de contexto curada produce resultados útiles, acotados y responsables. Mythos sin contexto es una capacidad buscando el problema equivocado. Aplique la misma lógica a usted mismo. La frontera seguirá moviéndose. Lo que queda suyo es el corpus que ha construido a su alrededor.
Empiece con un resaltado hoy. El sistema que lo conocerá a usted en 2028 es el que empieza a alimentar ahora. El resaltador web de Glasp, YouTube Summary y AI Chat sobre sus resaltados están diseñados exactamente alrededor de esta premisa: capturar de forma barata, atribuir todo y dejar que la IA haga la recuperación pesada sobre un corpus que nadie más tiene.
El modelo no es su foso. Su contexto sí.