# OpenAI reporta 948 fallas locales de root en Linux

Published: 2026-11-06

OpenAI reporta 948 hallazgos únicos de escalada de privilegios locales y parches candidatos de una línea de investigación controlada de Linux, con un costo aproximado de $1.2 millones en créditos de API. El recuento utiliza parches candidatos distintos después del análisis de variantes de 1,169 evaluaciones exitosas. Un error temprano en la atribución de fallas asignadas provocó una verificación de ruta independiente, mientras que la revisión humana de parches y la aceptación ascendente se mantuvieron como etapas separadas.

Canonical: https://thedailydiff.dev/es-US/video/2026-11-05-openai-linux-roots/

## Lo que cubre este video

- La escalada de privilegios locales comienza con un usuario local sin privilegios ya presente que llega a la raíz. El informe no da un veredicto de acceso remoto específico de la máquina.
- La tubería produjo 2,308 candidatos después de la deduplicación inicial y reprodujo 1,724 vulnerabilidades. Sus 948 hallazgos locales únicos finales utilizan un recuento de parches candidatos distintos después del análisis de variantes de 1,169 evaluaciones exitosas.
- Los $1.2 millones reportados son créditos de API para los modelos, objetivos y flujo de trabajo evaluados. Las valoraciones históricas de las recompensas son hipotéticas y requieren la aceptación y el pago del programa por separado.
- La línea de base fue a mediados de octubre de 2026. Las cifras de 61 aguas arriba/43 en preparación describen la finalización de la investigación después de diez días, por lo que las actuales advertencias de distribución siguen siendo necesarias.
- 20 de los 200 éxitos de una ejecución temprana utilizaron una falla diferente a la asignada. OpenAI informa que agregó una verificación de ruta asignada independiente; este defecto temprano no establece que los 948 finales sean falsos. El veredicto fue NECESITA REVISIÓN con revisión humana de parches y verificaciones de ruta.

## Preguntas y respuestas

### ¿Qué significa la escalada de privilegios locales en la investigación de Linux?

Significa que un usuario local sin privilegios ya presente alcanza el root, el privilegio local más alto. OpenAI describe máquinas de investigación controladas y hallazgos candidatos con evidencia para su revisión. Acceder a una máquina es una cuestión separada. El informe no proporciona un veredicto de acceso remoto específico de la máquina; el kernel enviado, la configuración y las advertencias de distribución requieren su propia evidencia.

### ¿Cómo define OpenAI los 948 hallazgos únicos de escalada local?

OpenAI utiliza 948 parches candidatos distintos después del análisis de variantes para definir los hallazgos únicos de escalada de privilegios locales. Su etapa de evaluación reportó 1,169 escaladas locales exitosas antes de esa agrupación. Múltiples éxitos pueden referirse a variantes relacionadas de un problema subyacente. Los parches candidatos, la aceptación aguas arriba y las soluciones que llegan a una distribución tienen etapas de revisión separadas, por lo que este recuento debe mantener la definición de los autores adjunta.

### ¿Qué encontraron los revisores humanos en la ejecución temprana de 200 éxitos?

Los revisores humanos encontraron que 20 de las 200 escaladas locales exitosas de una ejecución temprana alcanzaron el root a través de una falla diferente a la asignada, según OpenAI. El éxito fue real, mientras que su atribución causal fue incorrecta. Los autores informan que endurecieron las restricciones y agregaron una verificación independiente de la vulnerabilidad asignada después. Este defecto temprano no establece que los 948 hallazgos finales sean falsos.

### ¿Por qué el costo de la API informado y la instantánea del parche deben mantener su alcance?

El costo de los créditos de API describe los modelos, objetivos y flujo de trabajo evaluados de OpenAI, mientras que las cifras del parche describen la finalización de la investigación con una línea de base a mediados de octubre. OpenAI informa 61 correcciones aguas arriba y 43 parches en preparación en ese punto histórico. Los gastos totales de la investigación no se midieron en el episodio. Los usuarios deben seguir las advertencias para su kernel real enviado, y la aceptación aguas arriba sigue siendo una decisión de ingeniería separada.

### ¿Cuál fue el veredicto de The Daily Diff sobre el pipeline de Linux de OpenAI?

El veredicto de The Daily Diff fue NECESITA REVISIÓN. Niko mantendría el pipeline en el flujo de trabajo defensivo con revisión humana de parches y verificaciones de ruta asignadas independientes. La publicación de OpenAI describe parches candidatos, revisión de investigadores y la respuesta a un defecto de atribución temprano. La guía general de informes del kernel de Linux solicita evidencia procesable y contexto de la versión, lo que ayuda a explicar por qué la calidad de la revisión importa junto con el recuento de hallazgos.

## Capítulos

- 0:00 ¿Qué significa realmente el conteo de errores de Linux de OpenAI?
- 0:24 ¿El acceso de quién puede convertirse en root?
- 1:08 ¿Cómo un candidato se convierte en evidencia?
- 1:58 ¿Por qué el recuento final se convierte en 948?
- 2:45 ¿Qué hace que un parche propuesto sea incompleto?
- 3:15 ¿Cuándo se midió la instantánea del parche?
- 3:32 ¿Qué fecha y estado del parche importan a los usuarios?
- 4:09 ¿Qué encontraron los revisores en la primera ejecución?
- 4:55 ¿Qué obtiene el veredicto sobre el pipeline de OpenAI?

## Transcripción traducida

Traducido de la narración original en inglés. El audio y los subtítulos disponibles son controlados por YouTube.

### ¿Qué significa realmente el conteo de errores de Linux de OpenAI?

0:00 Encontrar una falla en Linux suena como arreglarlo. OpenAI reporta novecientos cuarenta y ocho hallazgos locales de root y candidatos parches, por aproximadamente un punto dos millones de dólares en créditos de API. En este video, ¿qué cuenta? ¿Qué detectó la revisión humana? Hay una prueba temprana donde las máquinas realmente obtuvieron root, y el marcador todavía acreditaba la cosa equivocada. Veremos qué detectaron los revisores humanos.

0:20 Es jueves, cinco de noviembre, y este es The Daily Diff.

### ¿El acceso de quién puede convertirse en root?

0:24 El kernel de Linux es el núcleo que gestiona los recursos y permisos de una máquina. La escalada de privilegios locales significa que un usuario ya presente, sin privilegios, alcanza root, el privilegio más alto. OpenAI estudió ese límite en máquinas de investigación aisladas. Entrar en una máquina es un problema aparte. OpenAI publicó la investigación el cuatro de noviembre, describiendo un próximo modelo cibernético dentro de un pipeline automatizado. El resultado útil es un conjunto de hallazgos con evidencia y correcciones propuestas para

0:49 que la gente revise. El documento no anuncia el acceso general a ese próximo modelo. Eso deja un trabajo muy humano dentro de la historia autónoma. Los investigadores revisaron los resultados y comenzaron a informar vulnerabilidades críticas con parches, siguiendo las directrices de la comunidad del kernel. Los agentes pueden llenar la bandeja de entrada. Alguien todavía tiene que decidir qué merece estar en ella. El pipeline comenzó con partes del kernel relevantes para la seguridad,

### ¿Cómo un candidato se convierte en evidencia?

1:10 luego produjo alrededor de dos mil trescientos hallazgos candidatos después de eliminar duplicados. Un candidato es una sospecha que vale la pena investigar. En ese punto, un párrafo convincente y una falla reproducible real todavía se ven molestamente similares en una hoja de cálculo. Así que una etapa separada intentó reproducir los problemas sospechosos dentro de máquinas aisladas, conservando evidencia de lo que sucedió. OpenAI reporta aproximadamente mil setecientas vulnerabilidades reproducidas. Eso establece un comportamiento que los investigadores pueden inspeccionar.

1:36 La siguiente pregunta es cuál de esos problemas cruza un límite de permiso serio. La propia guía de informes de seguridad de Linux ayuda a explicar el papeleo. Los mantenedores solicitan una versión afectada, evidencia y las condiciones involucradas. También advierte que los informes de IA de mala calidad consumen capacidad de revisión. Esa es una guía general de la comunidad, independiente del documento de OpenAI. No certifica este lote de hallazgos.

### ¿Por qué el recuento final se convierte en 948?

1:58 Aquí está el detalle del conteo. OpenAI reporta mil ciento sesenta y nueve escaladas de privilegios locales exitosas durante la evaluación. Los investigadores luego analizaron variantes relacionadas y desarrollaron novecientos cuarenta y ocho parches distintos. Utilizan ese recuento de parches para definir los hallazgos únicos de escalada local. Múltiples éxitos pueden pertenecer al mismo problema subyacente. Alrededor de un punto dos millones de dólares cubren los créditos de API reportados para los modelos, objetivos y flujo de trabajo evaluados.

2:23 OpenAI dice que la medición de la capacidad impulsó el diseño y que una mejor ingeniería podría reducir los costos. Los gastos totales de los investigadores no se miden aquí. OpenAI compara los hallazgos con las recompensas históricas por errores, produciendo una valoración hipotética. La aceptación y el pago pertenecen al programa de recompensas. Multiplicar una recompensa por un recuento de investigación se siente genial hasta que intentas depositar la multiplicación en tu cuenta bancaria.

### ¿Qué hace que un parche propuesto sea incompleto?

2:45 Un parche propuesto también necesita su propia revisión. Los autores dicen que los parches tempranos podrían detener el problema demostrado mientras agregan código innecesario, sacrificando rendimiento o perdiendo variantes relacionadas. Mejoraron las instrucciones e iteraron. Una solución tiene que encajar en la base de código más amplia y sobrevivir a más que la primera prueba que se pone verde. OpenAI describe la revisión humana de la gravedad y las soluciones antes de informar aguas arriba. La guía de Linux dice que una solución propuesta probada puede ahorrar tiempo de revisión incluso si los mantenedores eligen una solución diferente.

3:12 La aceptación aguas arriba sigue siendo una decisión de ingeniería separada.

### ¿Cuándo se midió la instantánea del parche?

3:15 La línea de base fue el último kernel a mediados de octubre. Después de diez días de investigación y análisis manual, sesenta y un problemas de escalada local fueron parcheados aguas arriba, con cuarenta y tres teniendo parches en fase de preparación. OpenAI agradece la rapidez de los mantenedores. Esa es una instantánea de finalización de la investigación, y el proyecto siguió adelante. Su distribución tiene su propio kernel enviado y actualizaciones.

### ¿Qué fecha y estado del parche importan a los usuarios?

3:34 Para los usuarios, el paso práctico es seguir las advertencias para el software que realmente ejecutan. Un resultado de investigación ascendente todavía necesita llegar a la versión en su máquina a través de ese proceso de actualización. Cualquiera que haya visto pasar una suite de pruebas mientras el producto hace lo incorrecto conoce la expresión facial requerida aquí. Ahora volvamos a ese marcador inicial. Los revisores humanos descubrieron un problema dentro de una señal de éxito. El pipeline inicial acreditó una vulnerabilidad asignada una vez que el agente obtuvo

3:58 root. Eso verifica el resultado. El hallazgo asignado aún necesita ser conectado a ese resultado, porque el sistema puede contener más de una falla. Si la evidencia apunta a una causa diferente, el informe original necesita otra

### ¿Qué encontraron los revisores en la primera ejecución?

4:09 revisión. Según OpenAI, una ejecución temprana reportó doscientas escaladas locales exitosas. La revisión humana encontró que veinte habían alcanzado root a través de una falla diferente a la asignada. El éxito fue real, y la atribución fue incorrecta. Eso podría dejar la evidencia del hallazgo original sin resolver incluso mientras el marcador celebraba. La prueba había respondido la pregunta equivocada. Los autores dicen que endurecieron las restricciones y agregaron una verificación independiente de que cada resultado final usó su vulnerabilidad asignada.

4:34 Esa es su respuesta al defecto temprano. Los veinte primeros no establecen que los novecientos cuarenta y ocho hallazgos finales sean falsos. Verifique cómo ocurrió un resultado con la misma atención que si ocurrió. La parte prometedora es dar a los revisores evidencia sobre la que puedan actuar, con el hallazgo correcto adjunto. Si prefieres leer esto que oírme decirlo, el "diff" llega a tu bandeja de entrada cada mañana, gratis en thedaily.dev, enlace abajo.

### ¿Qué obtiene el veredicto sobre el pipeline de OpenAI?

4:55 Así que el veredicto de hoy, NECESITA REVISIÓN. Mantendría este pipeline en el flujo de trabajo defensivo con revisión humana de parches y verificaciones de ruta independientes. Los hallazgos reportados se vuelven útiles cuando los mantenedores reciben evidencia en la que pueden confiar y soluciones que pueden evaluar. Y esa es la diferencia de hoy. Soy Niko de Axrisi.

5:10 Fusiona responsablemente.

## Fuentes

- [A thousand fewer paths to root — reported Linux pipeline method and counts](https://openai.com/index/a-thousand-fewer-paths-to-root/) — OpenAI
- [Unique findings defined by distinct candidate patches after variant analysis](https://openai.com/index/a-thousand-fewer-paths-to-root/) — OpenAI
- [Early wrong-assigned-flaw result and added independent path check](https://openai.com/index/a-thousand-fewer-paths-to-root/) — OpenAI
- [Research-completion patch snapshot and mid-October baseline](https://openai.com/index/a-thousand-fewer-paths-to-root/) — OpenAI
- [Security bugs — general reporting and AI report-quality guidance](https://docs.kernel.org/process/security-bugs.html) — The Linux Kernel
- [Discussion of OpenAI's Linux research, interest context only](https://news.ycombinator.com/item?id=50372929) — Hacker News
- [Sam Altman portrait — TechCrunch; Steve Jennings/Getty Images for TechCrunch; CC BY 2.0; cropped, background removed and resized; vendor identification, no endorsement or current reaction](https://commons.wikimedia.org/wiki/File:Sam_Altman_TechCrunch_SF_2019_Day_2_Oct_3_%28cropped%29.jpg) — TechCrunch via Wikimedia Commons
- [Portrait licence: Creative Commons Attribution 2.0](https://creativecommons.org/licenses/by/2.0/) — Creative Commons
- [Drake Hotline Bling template — brief transformed process commentary, no actual news reaction or blanket reuse licence](https://imgflip.com/memetemplate/Drake-Hotline-Bling) — Imgflip
- [Nathan Fillion in Firefly, HULU disbelief GIF — brief transformed process commentary, no actual news reaction or blanket reuse licence; public hosting does not certify legal clearance](https://giphy.com/gifs/hulu-firefly-fox-television-classics-d31xeuBpR8qdzWSc) — HULU on GIPHY
- [Original Sam Altman portrait — TechCrunch; Steve Jennings/Getty Images for TechCrunch; CC BY 2.0; cropped, background removed and resized; vendor identity only, no endorsement or personal study authorship](https://www.flickr.com/photos/techcrunch/48838377432/) — TechCrunch on Flickr