Stolencompute.com agrega modelos de IA expuestos para inferencia pública gratuita.

Why it matters

Stolencompute.com shows that unsecured AI model endpoints can be openly harvested, lowering barriers to powerful LLM access and amplifying both research opportunities and abuse risks.

On July 26th, 2026, acidvegas (@acidvegas) posted a brief that announced a new, openly accessible service for running AI models that have been left exposed on the internet. The tweet read:

Uy, hice algo controvertido otra vez... https://t.co/PCJXSpQ5pk Disfruten usar modelos de IA de otras personas que quedaron expuestos en internet 🏴‍☠️ Algunos de estos modelos son bastante....grandes...Kimi 1T, Deepseek 765B...pásenla. Salud, chicos, también LOL 🤷‍♂️ https://t.co/opMBoUEiX5

The link in the post points to stolencompute.com, a single‑page site that offers a simple interface for selecting and invoking public endpoints that host large language models. While the site provides no formal documentation, its landing page lists a handful of models that users can query, including:

• Kimi 1T, un modelo de un billón de parámetros que, según se informa, proviene de un laboratorio de IA chino.
• Deepseek 765B, un modelo de 765 mil millones de parámetros que se lanzó originalmente para investigación pero que parece haber quedado abierto en una instancia en la nube.

The service works by scanning the public internet for URLs that expose model APIs without authentication. Once discovered, stolencompute.com aggregates these endpoints and presents them as selectable options in its UI. Users can then paste a prompt and receive a response directly from the remote model.

El anuncio provocó una reacción rápida en X, acumulando más de 700 me gusta, 36 retuits y más de sesenta y cuatro mil vistas en cuestión de horas. Los comentaristas señalaron la naturaleza "pirata" de la oferta, con varios destacando el potencial de abuso, el acceso sin costo a modelos de alta capacidad y las implicaciones éticas de ejecutar modelos sin el consentimiento de sus propietarios.

Why the service matters now

Exponer modelos de IA sin controles de acceso adecuados se ha convertido en una falla de seguridad cada vez más común. En los últimos dos años han surgido múltiples incidentes en los que laboratorios de investigación o proveedores de nube dejaron inadvertidamente endpoints de inferencia públicos, permitiendo que cualquiera con la URL invoque el modelo. Los ejemplos más citados incluyen una filtración en 2025 de un modelo de 175 mil millones de parámetros de una universidad europea y una mala configuración en 2024 que expuso un LLM afinado en un endpoint público de AWS. Esos incidentes provocaron una ola de notas de asesoría por parte de proveedores de nube y grupos de seguridad en IA, pero la práctica de dejar endpoints abiertos persiste.

Al agregar estos recursos expuestos, stolencompute.com reduce la barrera de acceso tanto para aficionados como para actores más malintencionados. La capacidad de la plataforma para servir modelos a escala de 1 billón de parámetros, sin requerir que el usuario proporcione hardware GPU o pague por la inferencia, podría acelerar tanto la experimentación como el uso indebido. Los investigadores podrían probar rápidamente indicaciones en modelos masivos, mientras que actores de amenazas podrían aprovechar el mismo acceso para generar desinformación, contenido de phishing u otros resultados dañinos.

Technical considerations

El servicio no aloja los modelos; simplemente reenvía las solicitudes al endpoint original. Como tal, el rendimiento y la fiabilidad dependen del host subyacente. Algunos usuarios han reportado picos de latencia y fallas ocasionales cuando el servidor de origen limita el tráfico o se desconecta. La plataforma también carece de monitoreo de uso o mitigación contra abusos, lo que genera inquietudes sobre posibles violaciones de los términos de servicio de los propietarios originales del modelo.

Legal and ethical angles

Ejecutar un modelo sin el permiso del propietario podría interpretarse como una violación de la licencia del modelo, especialmente si el modelo se lanza bajo una licencia solo para investigación o no comercial. Si bien el creador de la plataforma presenta la oferta como "diversión" y una exploración del panorama de seguridad, la falta de una postura legal clara deja abierta la posibilidad de reclamaciones por infracción de derechos de autor o de contrato.

Community response

El hilo en X que acompaña al lanzamiento incluye varios desarrolladores preguntando si el servicio incluye salvaguardas para prevenir el uso malicioso. El creador respondió con un emoji de encogerse de hombros y un comentario "LOL", reforzando el tono irónico del anuncio. Un puñado de investigadores de seguridad ya comenzó a catalogar las URLs que la plataforma agrega, planificando un análisis más amplio de cuántos modelos de alta capacidad están expuestos inadvertidamente.

What’s next

Acidvegas no ha divulgado planes de monetización, licenciamiento o cierre. El tuit sugiere que el lanzamiento es un experimento o una provocación más que un negocio sostenido. Dada la rápida atención que recibió la publicación, es probable que el servicio atraiga tanto a usuarios curiosos como a quienes buscan explotar la capacidad computacional gratuita.

El episodio subraya una tensión creciente en el ecosistema de IA: a medida que el tamaño de los modelos aumenta y los costos de inferencia se mantienen elevados, el incentivo para dejar endpoints sin asegurar crece, mientras que la demanda de acceso barato a modelos potentes continúa. Stolencompute.com actúa como una lupa pública, exponiendo la magnitud del problema y obligando tanto a proveedores de nube como a desarrolladores de modelos a reevaluar sus posturas de seguridad.

Bottom line

El lanzamiento de stolencompute.com por el usuario de X acidvegas ofrece una ilustración contundente de lo fácil que puede ser acceder a modelos de IA grandes y sofisticados cuando los propietarios no aseguran sus endpoints de inferencia. El enfoque minimalista de la plataforma—simplemente mostrar URLs expuestas públicamente—pone de relieve un punto ciego de seguridad emergente que podría tener implicaciones de gran alcance para desarrolladores de modelos, proveedores de nube y la comunidad de IA en general.