Anthropic anunció el 8 de octubre de 2026 un servicio gratuito llamado OSS Scanner. Los mantenedores de proyectos pueden registrarse para recibir informes de seguridad generados por IA, con código para reproducir los fallos, explicaciones y parches sugeridos. Los informes se envían directamente, sin revisión humana, y los mantenedores deciden si validan y aplican las correcciones.
Cómo funciona el servicio
Los análisis se ejecutan con los modelos más potentes de Anthropic, incluido Claude Mythos. Cuando un mantenedor envía una solicitud de incorporación de cambios (pull request) a GitHub con un Dockerfile que permite compilar el proyecto, el escáner analiza el código sin conexión y envía los hallazgos por correo electrónico. Cada informe intenta identificar, mediante búsqueda binaria, el cambio que introdujo el error y propone un parche. Los mantenedores pueden añadir un archivo de modelo de amenazas para orientar las evaluaciones de gravedad y el formato del informe.
Primeros resultados y opiniones de la comunidad
En los primeros seis meses, los modelos señalaron más de 29.000 posibles vulnerabilidades, de las cuales unas 6.000 fueron revisadas manualmente. Los primeros usuarios ya han recibido decenas de informes aún sin verificar. Por ejemplo, Noah Misch, mantenedor de PostgreSQL, dijo que los informes de vía rápida incluían correcciones que podían usarse «casi tal cual». Todd Ouska, de wolfSSL, informó que recibió 74 reportes: todos menos dos se confirmaron como válidos y cinco se convirtieron en CVE. Daniel Stenberg, de curl, atribuyó al escáner el descubrimiento de un error de uso después de liberar memoria, corregido en curl 8.23.0 (CVE-2026-92392).
Por qué importa
Los proyectos de código abierto que sustentan gran parte de internet cuentan ahora con una herramienta gratuita y automatizada para detectar fallos de seguridad antes, lo que reduce el tiempo que permanecen expuestos. Para los desarrolladores, esto implica menos revisiones manuales del código y parches más rápidos, aunque todavía deben validar las correcciones generadas por IA antes de implementarlas.
