Presentamos la nueva arquitectura agéntica de Snyk Agent Fix: más rápida, inteligente y segura

El principal obstáculo para la seguridad ya no es «encontrar problemas», sino «corregirlos de verdad». Snyk ya ha liderado esta transformación y ha ayudado a las organizaciones a adoptar un enfoque de seguridad que prioriza a los desarrolladores. La última evolución de Snyk Agent Fix es la primera de muchas mejoras diseñadas para cerrar la brecha entre la velocidad de la IA y la seguridad. Al combinar la inteligencia de seguridad de Snyk con el poder de los principales modelos de vanguardia, ofrecemos correcciones más seguras y funcionales que las que cualquier modelo independiente o versión anterior de Agent Fix podría lograr.

La próxima evolución de Snyk Agent Fix estará disponible el 26 de mayo de 2026. Con nuevos modelos y una nueva arquitectura agéntica, dejamos atrás el ajuste fino estático y adoptamos el prompting dinámico con pocos ejemplos, un sistema que brinda a los modelos las recomendaciones de seguridad más relevantes en tiempo real. Este nuevo enfoque mejoró el rendimiento en todas las métricas y nos permite admitir todos los lenguajes compatibles con Snyk Code, para que nuestros clientes aprovechen el poder de la IA y corrijan más problemas, más rápido, en todo su código.

Cómo medimos el éxito: los tres pilares de la evaluación comparativa

En el mundo de la IA, «suficientemente bueno» no es suficiente cuando se trata de seguridad. El nuevo modelo tiene un rendimiento significativamente superior en nuestro riguroso proceso de evaluación comparativa de tres niveles, que garantiza que las sugerencias sean seguras y prácticas:

• Integridad de seguridad: Medimos la capacidad del modelo para escribir código libre de vulnerabilidades desde el primer intento (Pass@1) o en un máximo de cinco intentos (Pass@5).

• Lógica funcional: Mediante evaluaciones basadas en LLM, comprobamos que el nuevo código mantenga la equivalencia funcional con el original sin introducir errores lógicos.

• Pruebas de referencia: Esta es nuestra fuente de verdad. Usamos cientos de fragmentos vulnerables de código real, junto con pruebas unitarias, para confirmar que la vulnerabilidad se haya eliminado (de FAIL a PASS) y que la intención funcional se mantenga (de PASS a PASS).

Del ajuste fino al prompting dinámico con pocos ejemplos: cómo guiamos modelos comerciales con nuestra experiencia

A medida que evoluciona la tecnología de los LLM, identificamos una nueva oportunidad: pasar del ajuste fino estático a una arquitectura agéntica. La principal ventaja de Snyk Agent Fix frente a un LLM listo para usar es nuestra inteligencia de seguridad patentada. Snyk mantiene una base de datos con más de 35,000 vulnerabilidades reales de proyectos de código abierto y correcciones escritas por expertos en seguridad de Snyk. Durante la predicción, no solo le pedimos al modelo que adivine una solución: enriquecemos el prompt con los ejemplos reales más relevantes de cómo se resolvió anteriormente ese CWE específico.

Esto convierte al LLM, de un generalista, en un experto del dominio, guiado por miles de datos escritos por personas justo en el momento de generar la respuesta. Al proporcionar estos ejemplos reales de alta calidad relacionados con el CWE en el momento del prompting, logramos un aumento significativo del rendimiento frente a nuestro modelo anterior y a los principales modelos comerciales.

El salto en el rendimiento

Nuestras evaluaciones de referencia con Golden Test arrojaron resultados impresionantes. Los porcentajes que aparecen a continuación representan la tasa de aprobación de nuestro conjunto de unas 150 pruebas. Cada evaluación incluye código vulnerable y dos pruebas unitarias específicas: una para verificar que la vulnerabilidad esté presente y otra para garantizar que el código siga funcionando. Como los modelos nunca ven estas pruebas unitarias, deben basarse en prácticas de programación sólidas para cumplir tanto los requisitos de seguridad como los funcionales.

Nuestro análisis determinó que, al incorporar la inteligencia de Snyk a los modelos de vanguardia de Anthropic, estos aprobaron un 14.48% más de evaluaciones que Anthropic por sí solo o que el modelo anterior de Agent Fix.

*Nota: las respuestas inseguras siempre se filtran y nunca se muestran a los clientes.

El poder de los reintentos agénticos

Uno de los mayores obstáculos para la corrección automática es que los LLM generan código inseguro. Antes, si el modelo de Agent Fix generaba una corrección insegura, simplemente se filtraba. Esta es la opción más segura, pero puede dejar al desarrollador sin ninguna sugerencia.

En lugar de descartar una respuesta imperfecta, ahora el sistema:

• Identifica el problema: Determina exactamente por qué falló la primera sugerencia.

• Lo devuelve al agente: Le proporciona al agente el contexto del error.

• Adapta la respuesta: El agente vuelve a analizar el problema y genera una versión corregida que evita el error anterior.

Este ciclo garantiza que, en lugar de recibir el mensaje «No hay ninguna corrección disponible», los desarrolladores obtengan una remediación de alta calidad y verificada, que nuestro motor ya sometió a pruebas de estrés.

Cobertura de todos los lenguajes

Por último, este nuevo enfoque nos permite ampliar rápidamente la cobertura de nuestros lenguajes. Antes, agregar compatibilidad con un nuevo lenguaje o una regla de seguridad compleja requería miles de muestras de entrenamiento manuales y un largo proceso de ajuste fino.

Gracias al prompting dinámico con pocos ejemplos y al razonamiento agéntico, ahora ofrecemos cobertura completa de reglas y lenguajes para todos los lenguajes compatibles con Snyk Code. Desde Java y Python hasta Apex y Go, el nuevo Agent Fix está listo para corregir vulnerabilidades en toda tu infraestructura tecnológica, sin tener que esperar a que se habilite la compatibilidad.

Descubre el futuro de la remediación

Snyk integra la seguridad de forma fluida en el flujo de trabajo de desarrollo. Como nuestra arquitectura es independiente del modelo, evaluamos constantemente el rendimiento de los principales modelos según nuestros parámetros de referencia. Este nuevo enfoque es un gran avance hacia un mundo donde la deuda de seguridad se gestione de forma automática y precisa. No te pierdas las novedades: apenas estamos empezando a redefinir lo que significa estar seguro a escala.

Tus comentarios son fundamentales mientras seguimos mejorando estas herramientas. Si tienes preguntas o comentarios sobre estas actualizaciones, comunícate con tu equipo de cuenta de Snyk o con Snyk Support.