Nightcrawler es un agente open source de penetration testing que corre íntegramente en smartphones. Colocas un OnePlus 8 con Kali NetHunter en una red, te alejas, y el agente descubre dispositivos, mapea servicios, busca vulnerabilidades y genera un report estructurado. Todo localmente: el modelo de 1.2 mil millones de parámetros (LFM2.5) corre en la GPU del teléfono vía OpenCL. Sin conexión a internet, sin APIs en la nube.

Es la primera señal concreta de un agente de seguridad completamente offline en dispositivos móviles. Quienes construyen sistemas privacy-first ven en los modelos pequeños en edge devices una alternativa a enviar datos a servidores. Nightcrawler demuestra que un modelo de 1.2B puede orquestar una tarea compleja multi-paso: escaneo, enumeración, exploit, report. El agente trabaja como un pentester humano paciente, una acción por turno, con conocimiento que se acumula gradualmente en horas de trabajo silencioso.

Como contábamos el 24 de julio, los guardrails de los modelos frontier bloquean quien investiga seguridad ofensiva y empujan a profesionales hacia modelos open locales. Nightcrawler es la materialización de esa tendencia: cuando la nube te cierra la puerta, el teléfono es suficiente.

El repo es público en GitHub, versión v0.1.0, y se declara explícitamente como un experimento, no un producto listo.

En detalle

El contexto: escáneres, humanos, agentes.

El pentesting tradicional se hace con escáneres automatizados (nmap, Nessus) que bombardean cada host en segundos, u con profesionales que trabajan manualmente durante horas. Nightcrawler está en el medio: un agente que trabaja como un pentester paciente. Una acción por turno, conocimiento que se acumula, horas de trabajo. El README lo deja claro: esto lo hace más difícil de detectar que los escáneres que golpean todo junto.

El enfoque stealth no es un detalle técnico. Un escáner tradicional genera tráfico que un sistema de monitoreo (IDS/IPS) detecta en segundos. Un agente que hace una acción por turno, espera, observa, luego hace la siguiente, se confunde en el ruido de fondo de la red. Para quienes construyen defensas, esto significa que la prueba realista ya no es solo el escáner rápido: debe incluir el caso del adversario paciente.

Cómo funciona.

El agente corre en un OnePlus 8 rooteado con Kali NetHunter. El cerebro es LFM2.5-1.2B-Instruct-Heretic, un modelo de 1.2 mil millones de parámetros de la familia LFM2.5 de LiquidAI, la misma que vimos en julio apostando por eficiencia. El modelo se carga en la GPU del teléfono vía OpenCL y expone una interfaz local en el puerto 8080.

El agente usa el Model Context Protocol (MCP) para llamar herramientas: escáner de red, tools de enumeración, exploits. Un dashboard web local actúa como Command and Control para monitorear y guiar el agente mientras trabaja. El flujo tiene cinco fases: descubrimiento de dispositivos (escaneo stealth), enumeración de servicios (servidores web, comparticiones, SSH, DNS), test de vulnerabilidades conocidas y credenciales por defecto, generación del report con recomendaciones. Si no hay WiFi, puede crackear WPA2 con un adaptador USB externo.

Las limitaciones.

Es v0.1.0. Corre en un solo dispositivo, con un solo modelo. El modelo de 1.2B parámetros puede decidir qué herramienta usar y qué observar, pero no sustituye el juicio de un pentester experimentado. No hay un benchmark de cobertura de vulnerabilidades encontradas comparado con un profesional humano. El repo tiene 16 commits y sin documentación de tests sistemáticos.

La señal más allá de la herramienta.

El punto no es si Nightcrawler está listo para producción. El punto es que la arquitectura existe y funciona: modelo local en edge device, orquestación vía MCP, ciclo agente de acción y observación. El mismo patrón aplica a cualquier dominio donde la privacidad hace impracticable la nube: auditorías en redes aisladas, análisis de datos sensibles, control de sistemas air-gapped.