Galvanize 3
Un clasificador multilingüe que detecta prompt injection en el texto que lee un agente: salida de herramientas, páginas web, descripciones de herramientas MCP. Sus pesos están abiertos en Hugging Face. Desde el 23 de octubre de 2026 es el modelo de la comprobación opcional de zn Cloud. zn-gate solo envía prompts a la comprobación en la nube, y solo si activas la nube; en tu máquina, zn-gate usa reglas deterministas.
Ficha del modelo
| Tarea | Clasificación binaria: prompt injection o no. No genera texto. |
|---|---|
| Modelo base | Ajustado a partir de Horizon-Labs/prompt-injection-guard-small (Apache-2.0) |
| Tamaño | Unos 140M de parámetros |
| Entrada | Lee 512 tokens cada vez; la API puntúa las entradas más largas en ventanas solapadas. Si ejecutas el modelo tú, divide las entradas más largas en fragmentos |
| Idiomas | Multilingüe. Los resultados por idioma, y los idiomas que aún no se han probado, están en la ficha de Hugging Face |
| Umbral | Lo eliges tú si ejecutas el modelo por tu cuenta; la ficha del modelo muestra cómo convertir la puntuación en un veredicto |
Cómo lo evaluamos
Mantenemos un conjunto de prueba privado que nunca se usa para entrenar. Una tasa de detección solo aparece en esta web cuando se ha medido en ese conjunto, con la fecha, el dataset y el script que la produjo. Galvanize 3 no se entrenó con este conjunto, pero lo usamos para elegir el modelo, así que lee las cifras como resultados de desarrollo.
Resultados en nuestro conjunto de prueba privado (3.309 ejemplos en varios idiomas) y en nuestro conjunto de 658 documentos benignos largos:
| Métrica | Galvanize 3 | Galvanize 2 | Galvanize-60M (anterior) |
|---|---|---|---|
| Tasa de detección (recall) | 89,6 % | 83,4 % | 66,9 % |
| Tasa de falsos positivos | 0,6 % | 0,81 % | 6,4 % |
| Documentos benignos largos marcados | 2,9 % | 4,1 % | ~66 % |
Galvanize 3 con su umbral de producción; Galvanize 2 con su umbral de 0,662; Galvanize-60M con el suyo, 0,95. El benchmark público de Galvanize 2 de la carpeta benchmark/ en Hugging Face se puede volver a ejecutar con su script. Método en el artículo de lanzamiento · Benchmark público de Galvanize 2 ↗
Puntos débiles y lo que no detecta
- Es una capa, no una garantía. Todavía se le escapan algunos ataques, así que mantén el mínimo privilegio en las herramientas de tu agente.
- Las inyecciones indirectas y estructuradas, como instrucciones escondidas en documentos o datos, son un punto débil conocido.
- Si ejecutas el modelo tú, solo se puntúan los primeros 512 tokens de una entrada por pasada: divide las entradas más largas en fragmentos (la API las puntúa por ventanas).
- Puntúa cada texto por separado: no sabe si una instrucción es legítima para un usuario o una tarea concretos, y los ataques repartidos entre varias llamadas a herramientas o escondidos en imágenes, audio o archivos binarios quedan fuera de alcance.
- Los resultados cambian según el idioma, y la mayoría de los benchmarks públicos están en inglés.
- No es un filtro de contenido (no modera toxicidad, discurso de odio ni temas) y no protege tus secretos: de eso se encarga la ocultación de secretos de zn-gate.
- Un umbral más bajo detecta más y bloquea más texto legítimo; uno más alto, al revés.
Modelos anteriores: Galvanize 2 y Galvanize-60M
Galvanize 2 fue el modelo de zn Cloud del 12 al 23 de octubre de 2026, y Galvanize-60M antes que él. Galvanize-60M es ahora el respaldo automático cuando Galvanize 3 no está disponible, con su propio umbral de 0,95. Los pesos de ambos siguen en Hugging Face con licencia Apache-2.0. Las cifras del artículo de lanzamiento de Galvanize-60M de septiembre de 2026 salieron de un benchmark propio, no de nuestro conjunto de prueba reservado; la comparación de arriba las sustituye.
Usa Galvanize 3
Descarga los pesos de Galvanize 3 y ejecútalos tú, o usa la comprobación opcional de zn Cloud, que ejecuta el mismo modelo.