Análisis en profundidad · Unos 5 min de lectura
Microsoft Research presenta Magnetar para verificar la ejecución de programas
El informe del 15 de octubre describe una máquina virtual de conocimiento cero para RISC-V y mejoras medidas en pruebas concretas.
- Fecha de la fuente
- Publicado aquí
- Fuente revisada
Microsoft Research presentó Magnetar para acompañar un resultado informático con una prueba criptográfica verificable. En lugar de confiar únicamente en quien ejecutó un programa, el destinatario puede comprobar que el cálculo siguió el programa y las entradas especificadas.
Escucha las noticias
Escucha este artículo o continúa con las noticias.
Preparando la lectura…
Voz del dispositivo
El navegador o dispositivo procesa la voz. AISubHub no envía el texto a una API de audio. Las voces y la reproducción con pantalla bloqueada dependen del dispositivo.
Al continuar puede repetirse una frase breve.
Resumen
- Magnetar demuestra la ejecución RISC-V y permite utilizar compiladores habituales de Rust, Go o C. Su base criptográfica emplea funciones hash estándar sin una configuración inicial de confianza.
- Microsoft comunica aceleraciones medias de entre 10 y 39 veces en 15 programas de prueba, frente a sistemas comparables y sobre la misma máquina. Son mediciones del equipo investigador.
Qué certifica una prueba de ejecución
Microsoft Research presentó Magnetar el 15 de octubre como máquina virtual de conocimiento cero. La ejecución produce un resultado y una prueba compacta: el receptor comprueba que el programa especificado, con las entradas acordadas, produjo esa salida sin repetir todo el cálculo. El conocimiento cero busca proteger entradas privadas.
La garantía difiere de confiar en operador, contrato o registro. No prueba que la política programada sea sensata ni que los datos reales sean verdaderos. Agentes que demuestran cumplimiento y entidades financieras que prueban procesamiento son aplicaciones posibles del artículo, no instalaciones auditadas por AISubHub.
Por qué demostrar un procesador
El artículo identifica coste de prueba, programación especializada y confianza criptográfica duradera como obstáculos. Traducir manualmente aplicaciones a circuitos aritméticos exige mantenimiento y puede introducir fallos. Magnetar demuestra ejecución RISC-V, arquitectura abierta con compiladores existentes.
Microsoft describe programas ordinarios Rust, Go o C, incluyendo políticas, tuberías de datos e intérpretes EVM. Análisis: puede acercar la prueba a quienes mantienen la aplicación, pero aún hay que definir datos públicos, privados y versiones aceptadas. Compilar código normal no certifica todo un producto de IA.
Mecanismos que se combinan
Spartan, de 2019, llevó sum-check a programas generales sin configuración confiable. Phalanx aprovecha repetición, como ciclos de procesador. La familia Nova desarrolla folding para combinar avances parciales y evitar una prueba monolítica de toda la ejecución.
El recorrido incluye pruebas de memoria de Spice, Lasso, Nebula, Twist and Shout y Jolt. BinarySpartan usa campos binarios para lógica y hashes; Ligerito aporta compromisos hash con pruebas menores y ring switching facilita comprometer vectores de bits. Es la explicación arquitectónica del blog; no hemos auditado implementación ni prueba formal del artículo técnico.
Hashes estándar y composición
Microsoft afirma basarse en SHA-256 o SHA-3, sin curvas elípticas, retículas, hashes especiales, configuración confiable ni las conjeturas de códigos citadas. Es una elección conservadora de fundamento, no garantía contra errores, ataques futuros o parámetros inadecuados.
La verificación emplea principalmente hashes y aritmética binaria, operaciones que Magnetar puede demostrar eficientemente. Así, el verificador se convierte en otra carga demostrable y permite combinar piezas para sistemas duraderos. Análisis: une ejecuciones y evidencia acumulada, pero requiere reglas explícitas para identidad de programas, estados y versiones de prueba.
Interpretar cifras y unidades
El equipo informa 7.2–8.7 millones de instrucciones demostradas por segundo en portátil. En15 programas reporta aceleraciones medias de 10–39 veces frente a los zkVM comparables más rápidos en la misma máquina. Más de 300 veces corresponde al benchmark de transferencia frente a otros dos sistemas, no al promedio universal.
Una versión optimizada alcanza9.5–12.8 millones de ciclos por segundo, aproximadamente1.3 veces las aceleraciones citadas; verificar requiere unos12 milisegundos. Instrucciones y ciclos no deben mezclarse. Son resultados de producir y verificar pruebas, no aceleración10–39 veces del programa normal o de inferencia. No los reprodujimos; los detalles comparativos pertenecen al documento técnico.
Análisis: escoger una afirmación comprobable
Un ensayo puede empezar con una política pequeña o procesamiento determinista, fijando código, entradas y resultado antes de incorporar al demostrador. Comparar coste de generación, verificación y exposición de privacidad con la auditoría actual sería nuestra propuesta, no receta de producción ni retorno medido por Microsoft.
Probar que se ejecutó una regla de pago no prueba decisiones contextuales correctas. Siguen importando permisos de herramientas, procedencia de datos y respuesta ante fallos de prueba. El blog trata investigación y posibilidades, sin establecer suscripción, precio o servicio general. La evidencia de ejecución mejora potencialmente; especificación y seguridad operativa conservan responsabilidades propias.
Por qué importa
Para agentes de IA, la posible aplicación es demostrar la ejecución de políticas explícitas o pasos de procesamiento. Ese registro verificable podría complementar los registros convencionales cuando otra parte necesita comprobar un resultado.
Límites y disponibilidad
Probar una ejecución no demuestra que una respuesta del modelo sea verdadera o una política adecuada. AISubHub no reprodujo los ensayos ni verificó un despliegue productivo; las mejoras no deben generalizarse a otras cargas.
Fuentes y pruebas
Fecha de la fuente: 15 oct 2026 · Fuente revisada: 20 oct 2026
Contenido editorial asistido por IA y contrastado con fuentes primarias. Las afirmaciones del proveedor se atribuyen; la inclusión no implica recomendación.