Servicios comerciales han comenzado a ofrecer versiones modificadas de modelos de inteligencia artificial de código abierto con sus protecciones desactivadas, eliminando las barreras que estos sistemas tienen para rechazar solicitudes potencialmente dañinas. Esta práctica, conocida como ablación, ha migrado desde comunidades técnicas especializadas hacia plataformas accesibles que permiten a usuarios crear cuentas y acceder a modelos modificados sin necesidad de infraestructura computacional propia. La lógica comercial detrás de estos servicios se fundamenta en un argumento de seguridad ofensiva: los equipos de defensa requieren la capacidad de replicar comportamientos maliciosos para evaluarlos y preparar contramedidas. Un modelo que rechaza generar código de explotación funcional limita las capacidades de prueba de seguridad y evaluación de vulnerabilidades. Al reducir la fricción técnica, estas plataformas democratizan el acceso a herramientas que de otro modo requerirían descargar modelos pre-ablacionados y ejecutarlos localmente. La técnica de ablación no es nueva. Durante años, investigadores y desarrolladores han modificado las restricciones de modelos de código abierto, y repositorios públicos como Hugging Face albergan miles de versiones alteradas. Lo que ha cambiado es la escala y la accesibilidad: la práctica ha pasado de ser un ejercicio técnico especializado a un servicio operado por startups con acuerdos con proveedores de infraestructura en la nube. Esta transición ha ocurrido con rapidez. Empresas emergentes en este espacio han establecido modelos de negocio donde los ingresos generados por los usuarios financian la operación de servidores, permitiendo crecer sin inversión de capital de riesgo inicial. La disponibilidad de modelos como GLM-5.3 y otras variantes modificadas a través de navegadores web o APIs ha reducido significativamente las barreras de entrada. Especialistas en seguridad de inteligencia artificial han expresado preocupación sobre las consecuencias de esta escalada. La modificación de modelos para eliminar restricciones abre posibilidades para actividades nocivas que van más allá de pruebas de seguridad legítimas. Aunque expertos reconocen que detener completamente la ablación de modelos de peso abierto es técnicamente complicado, sugieren que intervenciones regulatorias podrían enfocarse en otros puntos: exigir a proveedores de infraestructura que implementen clasificadores para detectar y bloquear usos inapropiados, o establecer requisitos de verificación para usuarios que accedan a estas herramientas. La tensión refleja un dilema más amplio en el ecosistema de IA abierta: cómo mantener la capacidad de investigación y defensa sin facilitar simultáneamente el acceso a herramientas para actividades maliciosas.