Una investigación preliminar de Swarmchasers describe consultas repetidas de agentes de IA sobre las entradas que se utilizan para llegar a parques, museos, zoológicos y hospitales en China. Los investigadores rastrearon registros públicos de escaneos del 28 de septiembre al 4 de octubre y detectaron varias ejecuciones simultáneas sobre distintos lugares de Amap. También encontraron rastros de red que apuntaban a infraestructura de Tencent Cloud en Hong Kong. Los registros no identifican quién asignó la tarea ni con qué propósito.

El gran cambio

  • Qué cambió:Los rastros públicos de los investigadores muestran una tarea paralela de agentes distribuida en numerosas ubicaciones del mapa. El recuento llegó a 216 lugares el 4 de octubre. Los registros públicos de escaneos solo muestran una parte de la actividad.
  • Por qué importa:Un servicio de mapas que recibe este tráfico puede observar solicitudes automatizadas repetidas sin saber si proceden de una organización, una evaluación u otro proyecto. La distinción importa cuando los operadores investigan la carga y los patrones de acceso, y cuando el nombre de un proveedor de nube aparece asociado a un incidente.
  • Qué observar:Los investigadores afirman que publicarán un informe completo. Su capacidad para vincular las consultas visibles con un operador, una tarea y resultados completos determinará hasta dónde puede interpretarse el caso más allá de los registros de tráfico. La evidencia visible ya permite una conclusión más acotada: se ejecutaron solicitudes similares en paralelo, sin que se observara un canal de comunicación entre los agentes.

Qué registraron los investigadores

Swarmchasers contó 2.048 informes de Amap en su conjunto de datos del 28 de septiembre al 4 de octubre, incluidos 1.810 del 4 de octubre. Aquí, un informe es un registro generado por urlquery, un servicio que accede a una dirección web enviada y publica información sobre las solicitudes resultantes. Los investigadores contabilizaron 216 lugares distintos de Amap. Su análisis temporal sugiere que hubo entre cuatro y ocho ejecuciones activas a la vez durante buena parte del 4 de octubre, con un máximo de 14. El informe advierte que algunos solapamientos aparentes podrían corresponder a un número menor de agentes rápidos.

Los programas visibles en los registros buscaban cifras de Amap sobre la proporción de usuarios que se dirigen a cada entrada de un lugar. El informe identifica dos ejecuciones que consultaron esas proporciones, una de ellas para el zoológico de Chengdu. El resultado de muchas solicitudes era ambiguo: incluso una respuesta que el escáner contabilizara como exitosa podía ser una página CAPTCHA. El informe no demuestra que cada envío obtuviera las cifras buscadas.

La actualización de los investigadores del 5 de octubre indica que el último escaneo de Amap etiquetado apareció ese día a las 04:11 UTC y que no hubo otro en sus datos hasta las 08:46 UTC. La observación abarca los escaneos etiquetados visibles; la tarea subyacente pudo continuar en otro lugar.

Qué apunta a Tencent Cloud

El vínculo más sólido en la evidencia de infraestructura del informe es un conjunto de registros públicos de bandejas de entrada. Según los investigadores, 15 de las 16 bandejas legibles asociadas al trabajo de Amap el 4 y 5 de octubre se crearon desde direcciones de Tencent Cloud. El código de los agentes envió solicitudes a esas bandejas desde direcciones de Tencent Cloud en Hong Kong e incluyó una cabecera de proxy llamada hysandbox-ats. En un ejemplo, el código contactó una bandeja antes de que su dirección apareciera en los registros públicos de escaneo, lo que respalda la conclusión de los investigadores de que el creador y el remitente formaban parte del mismo entorno de trabajo.

La evidencia conecta el código observado con una infraestructura, pero no establece quién controlaba las ejecuciones. Tencent Cloud también aloja a otros clientes, y el informe señala que el nombre del proxy es autodeclarado. Algunas etiquetas de escaneo contenían “claude”, pero las etiquetas no permiten identificar el modelo. Los investigadores realizaron pequeñas comparaciones entre modelos y sostienen que el modelo Hy de Tencent encaja mejor; ningún registro que encontraron nombra el modelo ni un trabajo de entrenamiento.

El propósito y la coordinación siguen sin resolverse

El informe describe numerosos agentes que realizaban en paralelo tareas similares para cada lugar. Sus autores no encontraron confirmaciones de lectura de las bandejas, un canal compartido, vínculos entre escaneos ni resultados transmitidos entre lugares. Por eso usan «flota» para referirse a la actividad paralela y dicen que no hallaron pruebas de coordinación. La similitud de las tareas y la copia de programas no demuestran por sí solas que los agentes se comunicaran.

El propósito es igualmente incierto. Los intentos repetidos en un lugar podrían corresponder a una evaluación, a la generación de tareas u otro flujo de trabajo, pero los registros públicos no permiten decidirlo. La investigación muestra consultas sobre la proporción de entradas y dos lecturas reportadas. No aporta pruebas de que se recopilaran datos más allá de los solicitados en esas consultas. Tampoco demuestra una operación dirigida por Tencent, intención maliciosa ni acceso ilícito.

Para los operadores de servicios en línea, el caso ilustra cómo los rastros públicos de agentes pueden mostrar volumen y tácticas sin aclarar la responsabilidad. Para los lectores, conviene distinguir entre una ruta de red documentada y una afirmación sobre quién ordenó el trabajo. El informe completo prometido por Swarmchasers, o una declaración de una parte con conocimiento directo, podría reducir esa brecha.

Fuentes y lecturas adicionales

  • Swarmchasers, «We found a Chinese agent fleet»; informe preliminar fechado el 4 de octubre y actualizado el 5 de octubre de 2026. La investigación original aporta recuentos, ejemplos, rastros de red y sus limitaciones explícitas. Aquí se atribuyen los hallazgos a esa investigación; BIG CHANGE no reprodujo el escaneo ni examinó registros privados.