Fireworks AI amplió su brecha: datos de facturación, datasets y pesos de modelos en manos de atacantes

Respuesta directa

El 9 de noviembre de 2026, Fireworks AI, plataforma de inferencia y ajuste de modelos con más de 10,000 clientes —entre ellos Notion y Cursor—, amplió el reporte de su brecha de octubre: los atacantes llegaron a datos de facturación de sus cuentas y, en un grupo limitado de cuentas, a secretos almacenados, datasets y pesos incompletos de modelos. La empresa dice que no guarda números de tarjetas de pago y que esos no se vieron afectados. Los servicios de Inferencia, Training SDK y Nexus no se vieron afectados, según la empresa, porque no retienen datos por defecto. La actualización cambia la historia: el primer boletín del 9 de octubre decía que no había evidencia de acceso a modelos, datasets ni datos de entrenamiento.

Cómo se desarrolló la brecha

Qué se vio afectado y qué quedó fuera

Qué exigirle a tu proveedor de IA después de este caso

Nota: este artículo resume los boletines de seguridad de Fireworks AI del 10 de octubre y del 9 de noviembre de 2026 y su cobertura en Silicon Report, AI Secure Platform, Breach History y Vanda Team. Las cifras de clientes son las publicadas por la empresa. El número de cuentas afectadas y el volumen de datos no han sido publicados. Las conclusiones de Fireworks son provisionales según la propia empresa.

¿Quieres IA que trabaje para tu negocio?

Escríbenos por WhatsApp y hablemos de automatización y agentes de IA para tu negocio.

WhatsApp inicIA

Enlaces relacionados

Preguntas frecuentes

¿Qué datos se vieron afectados en la brecha de Fireworks AI?

Datos de facturación (direcciones, historial de facturas y pagos, saldos y uso de crédito) y, en un grupo limitado de cuentas, secretos almacenados, datasets y pesos incompletos de modelos. Los números de tarjetas no se vieron afectados porque Fireworks dice que no los guarda.

¿Por qué la actualización del 9 de noviembre importa tanto?

Porque cambia el primer reporte: el boletín del 9 de octubre decía que no había evidencia de acceso a modelos, datasets ni datos de entrenamiento. Cinco semanas después, la empresa confirmó que sí hubo acceso a datasets y pesos incompletos en algunas cuentas.

¿Qué es el LLMJacking?

Es un esquema en el que actores con fines económicos roban acceso a modelos de lenguaje y lo revenden a través de pasarelas de enrutamiento ilícitas. Fireworks vincula su brecha con este esquema, citando investigación de Google Threat Intelligence Group y Mandiant.

¿Mis modelos están seguros si uso un proveedor de inferencia?

Depende de lo que el proveedor retenga. En este caso, los servicios con retención cero por defecto (Inferencia, Training SDK y Nexus) no se vieron afectados. Pregunta a tu proveedor qué datos guarda y exige aviso de brecha por escrito en el contrato.