Strix AI Pentesting: piloto de 30 días y guía de compra 2026

Strix merece un piloto controlado, no un despliegue ciego en producción. Sus agentes de IA open source pueden ejecutar reconocimiento, explotación y validación de pruebas de concepto dentro de un sandbox Docker. La pregunta útil para quien compra no es si la demo parece un hacker. Es si Strix encuentra problemas reproducibles que tu proceso actual no detecta, respeta el alcance y ayuda a cerrar riesgos más rápido de lo que consume en tiempo de operador y gasto de modelo.

Revisamos el repositorio público de Strix, su documentación, releases, artefactos de benchmark y precios el 9 de agosto de 2026. No ejecutamos Strix contra un sistema de Wavect o de un cliente, por lo que esta es una guía de compra basada en evidencias, no una prueba práctica del producto ni una evaluación de conformidad con OWASP APTS.

Independencia y marcas: Wavect publica esta página y es también un proveedor, así que tenemos un interés comercial en ella. No estamos afiliados a las demás empresas nombradas aquí, no contamos con su respaldo y no somos socios suyos, y todos los nombres de empresa, marcas y marcas registradas de terceros pertenecen a sus respectivos titulares. Las afirmaciones sobre otros proveedores proceden de fuentes públicamente accesibles, sobre todo de sus propias páginas publicadas, en la fecha de revisión indicada en esta página, y pueden haber cambiado desde entonces. Verifícalas directamente antes de decidir. Esta página se ha redactado según nuestro leal saber y entender, con la intención de mantenernos objetivos. Si crees que algo aquí es inexacto o injusto, escríbenos y lo corregimos: [email protected]

¿Merece la pena probar Strix AI Pentesting?

Sí, cuando el objetivo es una aplicación, API o repositorio de tu equipo, el entorno está aislado y una persona cualificada revisa cada hallazgo aceptado. El repositorio open source de Strix documenta una CLI Apache-2.0 con un toolkit multi-agent, pruebas dinámicas, validación de PoC, Docker como requisito y soporte para varios proveedores de LLM. Estos elementos lo convierten en un candidato creíble para evaluar. No prueban cobertura, seguridad ni retorno en tu entorno.

¿Qué demuestra la evidencia pública?

El proyecto avanza rápido. GitHub muestra v1.4.1 como el release más reciente, publicado el 27 de julio de 2026, después de versiones que añadieron salida SARIF, controles de coste, nuevas skills de seguridad y límites de recursos del sandbox. El historial de releases de Strix es evidencia de mantenimiento activo. Ese ritmo también obliga a fijar una versión durante el piloto y repetir las pruebas tras cada actualización.

El resultado principal de rendimiento es mejor que una captura de marketing y más limitado que una garantía de producción. En los artefactos publicados de XBEN, el equipo de Strix declara que v0.4.0 con Gemini 3 Pro Preview resolvió 100 de 104 retos CTF de seguridad web en contenedores y modo black box. Declara una media de unos 19 minutos, cerca de 668.000 tokens de entrada y 3,37 dólares por reto resuelto, con unos 337 dólares de coste total de modelo.

El resultado demuestra que el sistema puede resolver una suite amplia y reproducible bajo la configuración registrada. No establece la tasa de falsos negativos en una aplicación desconocida, la calidad sobre lógica de negocio, la seguridad en producción ni el rendimiento de la versión actual con tu modelo. Usa el 96 % de XBEN como benchmark para reproducir, no como previsión para el business case.

¿Strix open source o plataforma alojada?

La CLI ofrece controles útiles. La referencia oficial de la CLI define modos quick, standard y deep, alcance de código diff o full, modo no interactivo y un presupuesto máximo de modelo. El presupuesto es best effort y puede excederse si ya hay llamadas en curso, así que es un guardrail, no una garantía de factura.

Para CI, la guía oficial de integración indica que los escaneos quick de pull requests pueden limitarse a archivos modificados y que las ejecuciones headless devuelven un código distinto cuando encuentran vulnerabilidades. Es un bucle útil para desarrollo. Un piloto serio también debe probar el historial completo de Git, la resolución del merge base, permisos de secretos, pull requests no confiables, timeouts y fallos del agente o de Docker.

La oferta alojada no es una suscripción plana de pentesting ilimitado. El 9 de agosto de 2026, la página pública de precios de Strix mostraba Pro a 29 dólares por usuario y mes, pero señalaba que los pentests se facturaban por separado y por prueba. Enterprise tenía precio personalizado y anunciaba VPC u on premises, BYOK, pentesting de infraestructura interna, SSO, SCIM, soporte y SLA. Pide precio unitario por prueba, inclusiones, excesos y retención antes de compararlo con la CLI o un encargo humano.

¿Cuánto cuesta Strix realmente?

Usa el coste total por corrección verificada de forma independiente, no el precio de licencia ni el número bruto de hallazgos:

Coste total del piloto = modelo + compute + setup + revisión humana + remediación + retest + gobierno.

Plan de piloto de Strix en 30 días

No conectes primero todos los repositorios. Empieza con una aplicación representativa, una persona responsable y una fecha de decisión. La guía de evaluación de proveedores de OWASP APTS recomienda revisar el control de alcance, la aprobación humana, kill switches, auditabilidad, reproducibilidad, seguimiento de cambios de modelo, tratamiento de datos y competencia del operador. Aplica estos controles tanto si opera Strix como un proveedor o tu propio equipo.

1. Días 1 a 5: define la decisión y el perímetro de seguridad. Elige una aplicación no crítica con staging parecido a producción. Escribe objetivos, exclusiones, credenciales, ventanas, rate limits, técnicas permitidas, condiciones de parada, retención de evidencias y responsable de detener la prueba. Fija release, imagen del sandbox y modelo.
2. Días 6 a 10: calibra en un laboratorio vulnerable. Usa retos conocidos y fallos sembrados. Confirma que el agente los descubre, conserva solicitudes o outputs reales, rechaza objetivos excluidos y se detiene de inmediato. Registra los fallos omitidos con el mismo rigor que los hallazgos.
3. Días 11 a 20: prueba staging bajo supervisión. Compara quick, standard y deep sobre el mismo objetivo. Entrega las credenciales mínimas. Exige aprobación humana para explotación activa y reproducción independiente de cada hallazgo alto o crítico.
4. Días 21 a 25: cierra el ciclo. Envía los hallazgos aceptados a ingeniería, revisa los fixes, añade pruebas de regresión y repite el exploit exacto. Un hallazgo se cierra cuando hay evidencia de que la ruta vulnerable ya no funciona.
5. Días 26 a 30: decide. Compara el piloto con tu scanner, revisión interna o pentest externo. Escala solo si mejora la cobertura verificada o la velocidad de remediación sin regresiones inaceptables de alcance, privacidad o coste humano.

La scorecard que evita un piloto de vanidad

Si necesitas un modelo reutilizable de parar o escalar, adapta nuestra scorecard para decidir el futuro de un piloto de IA. Para el aislamiento, usa la checklist de seguridad para sandboxes de evaluación de agentes de IA antes de entregar herramientas, credenciales o red.

Por qué un benchmark no predice producción

La investigación sobre pentesting autónomo mejora, pero también demuestra que dar herramientas no resuelve la planificación. El estudio de 2026 What Makes a Good LLM Agent for Real-world Penetration Testing? separa carencias corregibles por ingeniería de fallos de planificación y estado que persisten con mejores herramientas. Su sistema Excalibur mejora resultados en CTF y Active Directory, pero la lección para cualquier compra es clara: el éxito depende de arquitectura, modelo, entorno y distribución de tareas.

Strix debe competir contra tu propio set de aceptación, no solo contra su titular público. Incluye roles autenticados, reglas de negocio de varios pasos, rutas de fallo raras, logs ruidosos y al menos una tarea que deba rechazar. Si comparas harnesses open source, nuestra review de T3MP3ST para red teaming con IA evalúa otro proyecto y otro perfil de evidencia sin ocupar la misma pregunta de compra.

¿Puede Strix sustituir un pentest humano?

No. Puede añadir pruebas frecuentes y reproducibles entre encargos humanos y ayudar a llegar al pentest independiente con menos fallos evitables. No puede crear su propia independencia, ownership de negocio o autorización legal. NIST SP 800-115 sitúa el pentesting dentro de un proceso de evaluación planificado con reglas de actuación, análisis y mitigación. Esas responsabilidades permanecen aunque un agente ejecute las acciones técnicas.