El ejército israelí está cazando a un topo en Polymarket

marsbitPublicado a 2026-02-13Actualizado a 2026-02-13

Resumen

Resumen: El ejército israelí está investigando filtraciones internas tras descubrirse que un civil y un reservista militar apostaron con información confidencial en Polymarket, una plataforma de predicciones. Los acusados aprovecharon datos operativos militares para obtener ganancias superiores a 150.000 dólares con seis apuestas exitosas sobre operaciones israelíes, fallando solo en una predicción relacionada con Irán. El caso expone riesgos de seguridad nacional cuando mercados predictivos permiten monetizar información privilegiada en contextos bélicos, planteando futuros desafíos regulatorios para plataformas como Polymarket en matters sensibles.

Original | Odaily Planet Daily(@OdailyChina)

Autor|Azuma(@azuma_eth)

La ventaja competitiva injusta que proporciona la información privilegiada siempre ha sido un punto de controversia en mercados de predicción como Polymarket.

Anteriormente, durante el intento de captura del presidente venezolano Maduro por parte del ejército estadounidense, las probabilidades asociadas al evento en Polymarket mostraron movimientos anómalos de manera anticipada (ver detalles en "Cuando la guerra se liquida antes que las noticias: cómo el mercado de predicciones 'preció' la operación de captura de Maduro 6 días antes"). Si aquel presunto comportamiento con información privilegiada aún podía justificarse con fluctuaciones en el "índice de la pizza", esta vez, se puede decir que la existencia de un topo en Polymarket ha sido completamente confirmada.

El ejército israelí caza a un "topo" interno

El 12 de febrero, el principal periódico en inglés de Israel, The Jerusalem Post, informó que el tribunal de distrito de Tel Aviv presentó cargos el lunes contra un civil israelí y un soldado de reserva de las Fuerzas de Defensa de Israel (IDF), acusándolos de utilizar información militar confidencial para realizar apuestas en Polymarket y obtener beneficios. El tribunal reveló el jueves que las autoridades israelíes consideran que este comportamiento representa un grave riesgo para la seguridad operativa en tiempos de guerra.

Según la declaración aprobada por la fiscalía para su publicación, los sospechosos fueron arrestados en una operación conjunta del Servicio de Seguridad General de Israel (Shin Bet), la unidad de investigación subordinada a la agencia de seguridad del Ministerio de Defensa y la policía israelí. Los investigadores sospechan que algunos soldados de reserva estaban utilizando la información confidencial a la que tenían acceso debido a sus funciones militares para apostar sobre el momento de las operaciones militares y obtener ganancias.

Tras la mencionada operación de investigación, la fiscalía indicó que había obtenido evidencia de la conducta indebida del civil y del soldado de reserva, por lo que decidió presentar cargos contra ambos por "delitos graves contra la seguridad" así como por soborno y obstrucción a la justicia, entre otros. Simultáneamente, la fiscalía solicitó al tribunal que extendiera el período de detención de los sospechosos hasta la conclusión del juicio.

Aparte de la información anteriormente publicada, más detalles del caso permanecen bajo restricción legal, incluyendo la identidad de los acusados, el contenido específico de las apuestas y las circunstancias relacionadas con el presunto flujo de información.

Rastreando el comportamiento del topo

Aunque no podemos conocer la identidad real ni la información de la cuenta de este topo, la comunidad de X ya había detectado una cuenta con un comportamiento claramente anómalo en Polymarket. The Jerusalem Post también incluyó en su reportaje una captura de pantalla de las ganancias de esta cuenta.

Como se muestra en la imagen anterior, este usuario llamado Rundeep se unió a Polymarket en junio de 2025, luego obtuvo una tasa de acierto del 100% en seis mercados de predicción relacionados con operaciones militares israelíes, y en cinco de ellos realizó apuestas cuando la probabilidad era inferior al 50%, obteniendo finalmente ganancias superiores a 150,000 dólares.

Vale la pena mencionar que la consulta de Odaily Planet Daily reveló que Rundeep, además de estas "seis victorias en seis batallas", tuvo un único revés en Polymarket, pero este evento de predicción fallido no estaba directamente relacionado con Israel, sino que se trataba de "si el ejército estadounidense tomaría acciones contra Irán antes del sábado (21 de junio de 2025)"... al parecer la inteligencia de los aliados no era muy confiable.

La reacción inversa de los mercados de predicción en la realidad, escalofriante al pensarlo detenidamente

Debido a la naturaleza abierta y sin permisos de Polymarket, cualquier persona puede apostar libremente en esta plataforma, lo que objetivamente proporciona a aquellos grupos con ventajas de información un canal más conveniente para "monetizar la información" — bajo el impulso del beneficio, es difícil para quienes poseen una ventaja informativa desigual resistir la tentación, por lo que inevitablemente aparecerán topos que intenten ganar dinero.

Si这些事情 ocurrieran en ámbitos convencionales como el deporte o el entretenimiento, el impacto aún sería manejable, pero cuando suceden en áreas sensibles como la política o incluso la guerra, las terribles consecuencias colaterales que podrían traer estos eventos de apuestas con información privilegiada son realmente difíciles de imaginar.

Tomando este artículo como ejemplo, si las fuerzas opuestas hubieran adivinado de antemano la dirección de la operación israeli a través de apuestas con información privilegiada en Polymarket antes de la acción, ¿habría esto tenido un gran impacto en la evolución posterior de los acontecimientos? Puede que la mayoría de la gente no simpatice fácilmente con Israel, pero la realidad es que este tipo de eventos podrían ocurrirle a cualquier sujeto.

En el ámbito tradicional de las apuestas, normalmente se aplican restricciones explícitas a asuntos públicos como elecciones políticas, resultados legislativos o guerras. Si los mercados de predicción estarán sujetos en el futuro a restricciones regulatorias similares, probablemente será el resultado de una prolongada pugna regulatoria.

Preguntas relacionadas

Q¿Qué acusaciones enfrentan un civil y un reservista del ejército israelí según el Jerusalem Post?

ASe les acusa de utilizar información militar confidencial para apostar en Polymarket y obtener ganancias, enfrentando cargos por 'delitos de seguridad graves', soborno y obstrucción a la justicia.

Q¿Cómo se detectó el comportamiento sospechoso del usuario 'Rundeep' en Polymarket?

ALa comunidad de X identificó anomalías en su cuenta, mostrando un 100% de éxito en seis apuestas relacionadas con operaciones militares israelías, con ganancias superiores a 15,000 dólares, la mayoría realizadas cuando la probabilidad era inferior al 50%.

Q¿Qué riesgo representa el uso de información privilegiada en mercados de predicción como Polymarket durante conflictos bélicos?

APuede comprometer la seguridad operativa militar, por ejemplo, si facciones adversarias detectan apuestas internas que revelen planes de acción, potentially alterando el curso de eventos críticos.

Q¿Qué excepción hubo en el historial de apuestas perfectas de 'Rundeep' según Odaily?

ASu única apuesta perdida fue sobre si Estados Unidos tomaría acciones militares contra Irán antes del 21 de junio de 2025, evento no directamente vinculado a Israel.

Q¿Cómo podrían regularse los mercados de predicción como Polymarket en el futuro según el artículo?

APodrían enfrentar restricciones similares a las apuestas tradicionales en ámbitos sensibles como elecciones políticas o guerras, sujeto a un prolongado proceso de negociación regulatoria.

Lecturas Relacionadas

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

Resumen del informe del primer trimestre de 2026 sobre Ethereum, por Token Terminal. El reporte destaca una tendencia clave: la cantidad de usuarios activos mensuales (13.2 millones, +53.5%), las transacciones (200.4 millones, +38%) y el rendimiento de la red (25.78 TPS) alcanzaron máximos históricos, mientras que las tarifas de transacción en la capa principal cayeron un 47.9% intertrimestral. Este fenómeno, denominado la "Paradoja de Jevons", sugiere que Ethereum está priorizando deliberadamente la expansión a corto plazo sobre la captura de ingresos inmediatos. La actualización Fusaka, que aumenta la capacidad de datos y reduce el costo del espacio de bloque, es un factor clave. La narrativa central de Ethereum se está desplazando de una cadena de bloques DeFi a una capa de liquidación financiera global. Ethereum mantiene una posición dominante en activos tokenizados, con una capitalización total de $2 billones (-0.7% intertrimestral). Destacan el crecimiento de los fondos tokenizados ($194 mil millones, +4.9%) y las materias primas tokenizadas ($47 mil millones, +60%), reflejando una mayor adopción institucional por parte de entidades como BlackRock y JPMorgan. A pesar de una caída del 30.3% en su capitalización de mercado totalmente diluida, la base de titulares de ETH creció a 292.8 millones. En resumen, Ethereum está sacrificando ingresos a corto plazo para impulsar la adopción, consolidándose como la infraestructura de liquidación preferida para las finanzas tokenizadas, con el objetivo de que una mayor demanda de red compense las tarifas más bajas a largo plazo.

marsbitHace 17 min(s)

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

marsbitHace 17 min(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

El CEO de Intel, Chen Lifu, expresó en una entrevista en un podcast su objetivo de multiplicar por diez el valor de la empresa en un plazo de 5 a 10 años. Para lograrlo, está centrando la estrategia en la superación de los límites físicos de la miniaturización de los semiconductores, invirtiendo en tres áreas clave: tecnologías avanzadas de empaquetado como EMIB, nuevos materiales como el nitruro de galio (GaN), carburo de silicio (SiC), fosfuro de indio (InP) y diamante sintético, y sustratos innovadores como el de vidrio. Destacó que la explosión de la IA, especialmente los agentes autónomos y la inferencia, está impulsando una fuerte demanda de CPUs, cambiando la proporción CPU/GPU en servidores. Chen Lifu también defendió la apuesta de Intel por el negocio de fundición (foundry), subrayando que es crucial para la seguridad de la cadena de suministro en EE.UU. y que se basa en generar confianza a través de altos rendimientos y fiabilidad. Reveló detalles de la colaboración Terafab con Elon Musk para construir fábricas de chips y abordar la escasez de capacidad. Reconoció que Intel aún está en una fase de transformación ("gatear"), reconstruyendo equipos y capacidades fundamentales, pero proyecta que su verdadero potencial en mercados como la informática de borde, la IA física y la de agentes comenzará a materializarse hacia 2030-2032. Con una mentalidad de capitalista de riesgo, su meta clara es entregar un retorno de 10x a los accionistas en la próxima década.

marsbitHace 19 min(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

marsbitHace 19 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbitHace 26 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 26 min(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 2 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 2 hora(s)

Trading

Spot
Futuros
活动图片