En este artículo
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 11 de noviembre 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]
¿Necesitas endurecer una aplicación antes de un pentest independiente o una revisión de seguridad de cliente?
Planificar una revisión de producción¿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.
| Señal pública | Qué puede concluir un comprador | Qué falta por demostrar |
|---|---|---|
| CLI y código de agentes open source | Puedes inspeccionar, fijar y autoalojar el motor de pruebas. | Tu build, modelo, configuración y supply chain todavía requieren revisión. |
| Ejecución dinámica y hallazgos orientados a PoC | El diseño busca ir más allá del escaneo por firmas. | Reproduce de forma independiente cada hallazgo y mide los falsos negativos. |
| Entradas de código, URL, especificación API y varios objetivos | Puede combinar contexto white box y runtime en una ejecución. | Demuestra autenticación segura, aislamiento entre tenants y cobertura de lógica de negocio. |
| CI y modo headless | Las pruebas frecuentes pueden encajar en el flujo de delivery. | Demuestra duración, gasto, salidas y respuesta del equipo de desarrollo. |
¿Qué demuestra la evidencia pública?
Strix v1.7.1 es la versión publicada más reciente a 11 de noviembre. Sus notas indican que una pausa manual se mantiene con cualquier política de presupuesto hasta reanudarla expresamente. Pide una demostración con tareas sintéticas pendientes y registra qué ocurre con las que ya están en curso. Fija la versión y la imagen del entorno aislado en el acta de aceptación.
Strix comunicó 100 de 104 desafíos XBEN resueltos con v0.4.0 y Gemini 3 Pro Preview. Un recálculo público de los resultados publicados coincide con el número resuelto, pero no pudo conciliar el tiempo medio ni el coste total anunciados con los datos disponibles. Usa el número como resultado del proveedor y exige pruebas de tiempo y coste para tu alcance.
El resultado histórico no estima la cobertura en producción ni los falsos negativos de la versión actual.
¿Strix open source o plataforma alojada?
| Factor | CLI open source | Plataforma alojada |
|---|---|---|
| Mejor encaje | Equipos técnicos que buscan visibilidad del motor, self-hosting y control de configuración | Equipos que buscan programación, integraciones, historial compartido y soporte |
| Infraestructura | Tu host Docker, proveedor LLM, secretos, logs y entorno objetivo | Aplicación gestionada, con opciones VPC u on premises anunciadas para enterprise |
| Coste | Uso del modelo, compute, almacenamiento, ingeniería y revisión de seguridad | Suscripción por usuario, pruebas facturadas aparte y Enterprise a medida |
| Carga de control | Tu equipo asume upgrades, política del sandbox, auditabilidad e incident response. | Compras debe verificar controles del proveedor, ruta de datos y compromisos del servicio. |
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 página pública de precios indica Pro a 29 USD por usuario y mes, con pruebas facturadas aparte y Enterprise a medida. Pide presupuesto por prueba con tu alcance, número de usuarios y requisitos de conservación de evidencias.
¿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.
| Bloque de coste | Qué registrar | Punto ciego habitual |
|---|---|---|
| Modelo y búsqueda | Factura del proveedor, tokens, caché y ejecuciones fallidas | Un modelo barato que entra en bucle puede costar más por resultado verificado. |
| Infraestructura | Minutos de runner, Docker, copias del objetivo, almacenamiento y logs | Los agentes paralelos amplifican recursos y tráfico saliente. |
| Revisión humana | Minutos para reproducir, clasificar, rechazar y enrutar cada hallazgo | Un informe con apariencia de PoC todavía exige validación independiente. |
| Remediación | Tiempo de ingeniería, pruebas de regresión y retest | Los parches generados necesitan code review y ownership. |
| Controles de riesgo | Reglas de actuación, acceso, secretos, monitorización y respuesta | Self-hosted no significa gobernado de forma segura. |
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.
- 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.
- Días 6 a 10: revisa controles con tareas sintéticas. Pide una demostración del alcance aprobado, el rechazo de solicitudes excluidas, el registro de auditoría y la detención inmediata. Registra lagunas e incógnitas.
- Días 11 a 20: revisa cobertura y evidencias. Pide un informe anonimizado de una evaluación autorizada y comprueba cómo documenta hallazgos, duplicados, restricciones y lagunas. Nombra un responsable de aceptación.
- Días 21 a 25: verifica la remediación. Envía los hallazgos aceptados a ingeniería, revisa los cambios y usa pruebas de regresión sobre el comportamiento defensivo exigido.
- 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
| Métrica | Cálculo | Por qué importa |
|---|---|---|
| Tasa de reproducción independiente | Hallazgos reproducidos ÷ hallazgos enviados | Comprueba si la evidencia resiste fuera del contexto del agente. |
| Recall de fallos sembrados | Fallos sembrados encontrados ÷ fallos presentes | Mide omisiones, no solo demos exitosas. |
| Tasa de falsos positivos | Hallazgos rechazados ÷ hallazgos revisados | Expone la carga de triaje humano. |
| Control de alcance | Rechazos correctos ÷ intentos deliberados fuera de alcance | Muestra si la autonomía respeta la autorización. |
| Mediana hasta fix verificado | Tiempo desde el hallazgo validado hasta el retest correcto | Conecta las pruebas con reducción de riesgo. |
| Coste total por fix verificado | Todos los costes ÷ hallazgos corregidos y retestados | Permite comparar CLI, SaaS y alternativas humanas. |
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.
| Necesidad | Papel de Strix | Papel humano |
|---|---|---|
| Controles continuos en código y staging | Repetir pruebas, capturar evidencia y retestar rutas conocidas | Asumir alcance, revisar evidencia y mantener regresiones |
| Abuso de lógica de negocio | Explorar flujos documentados y probar hipótesis | Modelar incentivos, contexto operativo y abusos no obvios |
| Pruebas en producción | Ejecutar solo dentro de límites técnicos aprobados | Autorizar, monitorizar, detener y coordinar incident response |
| Assurance de cliente o regulatoria | Aportar artefactos y evidencia continua | Proporcionar metodología independiente, criterio y firma cuando corresponda |
Preguntas frecuentes
¿Qué es Strix AI Pentesting?
¿Strix es gratis?
¿Qué precisión tiene Strix?
¿Puede Strix ejecutarse en CI?
¿Puede Strix sustituir a un pentester?
¿Qué debe medir un piloto de 30 días?
Reflexiones finales
Strix tiene suficiente evidencia pública de ingeniería para justificar una evaluación controlada. El motor open source se puede inspeccionar, los artefactos XBEN se pueden examinar y la CLI ofrece controles prácticos de alcance, CI y gasto. La compra sigue dependiendo de la evidencia de tu entorno.
Prueba una aplicación representativa durante 30 días con supervisión humana. Siembra fallos conocidos, prueba rechazos, reproduce cada resultado aceptado y cuenta todo el tiempo de operación y remediación. Adopta Strix si aumenta la reducción de riesgo verificada por semana de ingeniería sin salir del alcance. Mantén un pentest independiente cuando clientes, regulación, lógica compleja o responsabilidad final exijan assurance humana.
