研究指 GPT-6.1 Sol 可在無工具下讀寫可執行檔位元組
GPT-6.1 Sol programaría en código máquina sin herramientas, según un estudio
Xenos 與 Giannopoulos 的研究測試 GPT-6.1 Sol 在沒有工具的情況下直接讀取、修改及撰寫可執行檔位元組,並正確辨識四個測試程式。模型在 FreeBSD 的 ministat 二進位檔中發現,標示為 99.5% 的選項實際使用 99.8% 的臨界值。延伸及從零撰寫測試均只允許一次作答,研究亦未提供方法能否擴展至大型真實執行檔的證據。
GPT-6.1 Sol programó directamente en código máquina: leyó el volcado hexadecimal de un ejecutable (sin desensamblador, sin compilador y sin ninguna herramienta) y describió con precisión qué hacía el programa. Después editó esos mismos bytes para sumarle una función nueva y, en otra prueba, escribió un binario funcional a partir de una descripción en texto. Los autores probaron el enfoque con cuatro programas distintos, incluido un binario real de FreeBSD, y el modelo identificó correctamente los cuatro.
Qué es programar en el espacio del código máquina
Casi nadie escribe código máquina a mano. Un compilador y un linker convierten el código fuente en bytes, y para volver atrás se usan desensambladores y decompiladores: las instrucciones x86-64 tienen longitud variable, los saltos son distancias relativas y un solo byte mal puesto en el encabezado impide que el archivo cargue. El experimento de George Xenos y Sotiris Giannopoulos, publicado en noviembre de 2026, pregunta qué puede hacer un LLM de uso general con esos bytes crudos cuando no tiene ninguna de esas herramientas.
Los autores llaman a esto Machine Code Programming: un modelo que razona sobre los bytes de un ejecutable sin compilador, ensamblador, desensamblador ni ejecución entre el modelo y el archivo. Probaron tres capacidades (leer, extender y escribir) más un caso real, analizar una muestra de malware.
El experimento: sin herramientas y con una sola respuesta
El montaje fue deliberadamente restrictivo. El modelo usado fue GPT-6.1 Sol (gpt-6.1-sol, esfuerzo alto) corriendo sobre Codex CLI 0.166.0, y la entrada era un volcado hexadecimal generado con xxd, a razón de unos 2,4 tokens por byte. Un relay local eliminaba cada herramienta de cada petición y auditaba el flujo de eventos de cada turno; una prueba en vivo además le pidió al modelo leer un archivo plantado, correr un comando y buscar una URL, para confirmar que de verdad no tenía acceso.
En los experimentos de extender y escribir, el modelo tuvo una sola oportunidad: sin feedback y sin segundo intento. Cada build resultante corrió junto a una build de referencia compilada con GCC, bajo qemu-x86_64 en Apple Silicon, y tenía que igualar byte a byte la salida estándar y el código de salida en cada caso de prueba. Los experimentos de lectura y escritura desde cero no se evaluaron con ese puntaje formal, aclaran los autores.
El modelo corrió sobre Codex CLI 0.166.0 con esfuerzo de razonamiento alto.
De los desensambladores al bit crudo: tres formas de abrir una caja negra
Leer binarios sin fuente no es nuevo, pero las herramientas tradicionales dependen de reglas fijas de arquitectura. El trabajo de Xenos y Giannopoulos se puede comparar con otro enfoque que persigue algo parecido: entender un artefacto opaco sin su representación original.
EnfoqueQué necesitaQué devuelveDesensambladores y decompiladores tradicionalesReglas de la arquitectura (longitud de instrucción, saltos relativos, formato del encabezado)Código legible, pero depende de una herramienta especializada por formatoWeight-Space Programming (Takehi et al.)Acceso directo a los pesos de una red neuronalLectura y escritura de pesos sin reentrenar el modeloMachine Code Programming (GPT-6.1 Sol)Solo el volcado hexadecimal, sin herramienta algunaLectura, extensión y escritura de ejecutables completos
La comparación con Weight-Space Programming no es casual: los propios autores la citan como antecedente directo, porque ambos tratan un artefacto que normalmente se considera ilegible para un modelo (pesos entrenados en un caso, bytes compilados en el otro) como algo que se puede leer y editar en el mismo formato en el que vive, según describen en su publicación.
El bug que encontró sin ver una línea de código fuente
El caso más difícil fue ministat, la herramienta de estadística de FreeBSD. Los autores la compilaron con -O3, la enlazaron estáticamente contra musl, le quitaron los símbolos y ocultaron sus últimas tres cadenas de texto invirtiendo el bit alto de cada byte. Aun así, GPT-6.1 Sol encontró el bucle de decodificación, recuperó la lista de opciones del programa y describió las ocho, según el registro del experimento.
Ahí apareció el hallazgo más llamativo. Leyendo la tabla t como floats de 64 bits en crudo, el modelo notó que la opción marcada como 99,5% de confianza en realidad usa los valores críticos de un 99,8%: la bandera -c 99.5 del binario aplica un test más estricto del que declara. Es un bug real en el código original, que el modelo detectó leyendo solo los bytes del binario, sin acceder al código fuente.
El parche a wordcount cambió solo 74 de sus 5.368 bytes.
Qué significa esto para desarrolladores y analistas de seguridad en LATAM
Para un analista de malware o un reverse engineer en una empresa de seguridad regional, esto no reemplaza IDA Pro ni Ghidra, pero sí cambia el primer paso. El mismo equipo le dio al modelo una muestra de malware desconocida y la identificó correctamente, extrayendo los indicadores de compromiso (IOCs) adecuados, y DeepSeek V4.1 Flash llegó a la misma conclusión sobre esa muestra, lo que los autores toman como evidencia preliminar de que el fenómeno no está limitado a modelos cerrados.
La recomendación concreta para un equipo de respuesta a incidentes es usar esto como triage rápido antes de abrir el desensamblador: pedirle a un modelo que lea el volcado hexadecimal y resuma comportamiento e IOCs probables, y recién después validar cada hallazgo con herramientas tradicionales. Nada de esto sustituye la verificación humana, sobre todo porque el propio experimento corrió con una sola respuesta y sin posibilidad de corregir errores a mitad de camino.
Entre el entusiasmo y la alarma: lo que dice la comunidad
La discusión en Hacker News se dividió rápido. El usuario fwlr enumeró una lista larga de objeciones (legales, éticas, de licenciamiento, de retención de datos) que, en su opinión, van a aparecer antes de que esta técnica llegue a producción. Otro comentario, de rossy, cuestionó la manera en que se presenta el resultado: para él, frases como "escribir directamente en código máquina" sugieren que el modelo entiende el binario como un lenguaje más, cuando el proceso parece ser distinto al de leer una sintaxis natural.
Esa segunda objeción importa para no sobrevender el hallazgo. El hilo original en Hacker News, "LLMs can read and write executables byte by byte from a hex dump", resume bien el experimento, pero la discusión deja claro que todavía no hay consenso sobre si esto es comprensión genuina del formato binario o un patrón aprendido sobre miles de ejemplos similares.
Los límites del experimento
El resultado viene con varias advertencias explícitas. Los experimentos de extensión y escritura usaron un solo intento, sin feedback: no hay dato sobre cuántas veces falla el modelo si tuviera una segunda oportunidad. Los experimentos de lectura y de malware no se evaluaron con un puntaje formal, a diferencia del de extensión, donde cada parche sí se validó contra pruebas ocultas.
El costo tampoco es trivial. Parchar el programa más simple tardó 93 segundos y generó 3.440 tokens de salida, y agregarle descifrado a una herramienta AES tardó 201 segundos y 9.324 tokens, editando el 5,9% del binario. Son programas de pocos kilobytes compilados a propósito para el experimento; todavía no hay evidencia de que el enfoque escale a ejecutables reales de cientos de megabytes con tablas de símbolos dinámicas y dependencias externas.
Referencias
- Xenos y Giannopoulos, "Programming in the Machine Code Space": el estudio original con el montaje, las tablas de resultados y el bug hallado en ministat.- Hilo en Hacker News sobre el estudio: discusión inicial de la comunidad técnica.- Comentario de fwlr en Hacker News: objeciones legales, éticas y regulatorias al enfoque.- Comentario de rossy en Hacker News: crítica a la forma en que se presenta el resultado.
Seguimos el tema en @programacion.
來源:DEV Community · dev.to