Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
HN Daily
Internet y sociedad · open3dlab.com
Roblox descargó 145 GB de modelos de nuestras webs, incluido contenido para adultos, sin pedir permiso
Open3DLab, SFMLab y SmutBase, tres sitios de modelos 3D creados por usuarios, acusan a un crawler que se identificaba como de Roblox de bajarse 145,5 GB de archivos en octubre. Un 62,6 GB eran contenido para adultos. Los administradores suponen que se destinaban a entrenar IA y no han recibido respuesta de la empresa.
Foto: vía open3dlab.com
1 medio · MadridPublicada 27 oct, 12:00Actualizada 28 oct, 07:40· Ya no está en portadaEscrita por IA · cómo funciona
Según los administradores, el 15 y 16 de octubre de 2026 un crawler recorrió casi todo el catálogo: leyó la página principal de 18.926 proyectos en 26.429 peticiones a lo largo de 34 horas y descargó copias completas de 1.027 archivos de 712 proyectos. El user agent era «trellis2-data-sourcing/1.0 (3D foundation model research; [redacted]@roblox.com)» y todo salió de una única dirección de AWS. La descarga se vio limitada sobre todo por los servidores gratuitos, que tienen topes de velocidad y de descargas simultáneas.
Del total, 364 archivos (54,8 GB) de 224 proyectos eran de SmutBase, que aloja solo contenido adulto. Sumando los proyectos marcados como adultos en SFMLab, 345 de los 712 proyectos (62,6 GB) eran para adultos. Los administradores afirman que el crawler no respetó el robots.txt (que llegó a consultar), ignoró las condiciones de uso, que prohíben el scraping, y pasó por encima de las licencias: 423 de los 712 proyectos son solo para uso no comercial.
Detectaron la actividad el 18 de octubre y bloquearon el acceso esa misma mañana. Escribieron a la dirección del user agent y pidieron comentarios a Roblox, sin respuesta. El crawler volvió el 19 y el 20, con todas las peticiones bloqueadas, y siguió un horario de oficina (CEST) con pausa a la hora de comer. Los administradores dicen que ese patrón y el resto de indicios apuntan a un uso para el trabajo de Roblox en un modelo fundacional 3D.
En su especulación, que presentan como tal, enlazan la dirección del user agent con un investigador que figura entre los más de 40 autores del paper de Cube, el sistema de IA generativa 3D de Roblox presentado en marzo de 2025. Aclaran que no atribuyen la decisión al investigador, sino a la empresa. «trellis2» podría referirse a TRELLIS.2, el modelo 3D abierto de Microsoft, o ser solo un nombre en clave. Admiten que no pueden probar el destino de los archivos ni saber si alguno acabó en un modelo. El texto repasa además polémicas anteriores de Roblox (pagos a desarrolladores, derechos musicales y seguridad infantil) y critica que nadie filtrara el contenido adulto en una empresa cuya plataforma usan millones de menores.
«Roblox downloaded 145GB models from us (including adult content) without asking» · puesto 8 · 464 puntos · enviado por choult
Lo que dicen los comentarios
Buena parte de los comentarios cuestiona la noticia: unos dicen que quien publica archivos para descargar no debería sorprenderse, y otros restan importancia a los 3 dólares de tráfico o al tamaño del crawler, que parece obra de un solo investigador. Otros responden que lo grave es el scraping contra las condiciones de uso y el robots.txt, sin pedir un volcado. También se discute el énfasis en el contenido adulto: algunos lo ven un recurso para provocar indignación, o recuerdan que esos datos podrían servir para entrenar un filtro. Otro hilo señala que el sitio aloja material con licencia dudosa. Aparte, hay consejos prácticos, como bloquear rangos de IP de proveedores cloud, aunque otros dicen que casi todo el tráfico de bots llega ya por proxies residenciales.
¿Cómo se puede armar este escándalo y a la vez alojar cosas como esta, con licencia permisiva? Es solo un ejemplo, hay muchas más en portada. No tengo nada contra ellos, pero no entiendo su superioridad moral.
Simpatizo con open3dlab, pero creo que centrarse en el contenido adulto es provocar indignación barata. Se ha demostrado que quitarlo de los datos de entrenamiento, al menos en modelos de difusión, empeora la calidad, incluso fuera de lo adulto.
Ojalá existieran los buenos modales y las prácticas aceptadas por la comunidad para no machacar los servidores. Estas webs llevaban una década sin apenas problemas hasta que una empresa abusiva decidió usar datos gratis de la peor forma posible, en vez de pedir un volcado con educación.
Todo el artículo señala a «Roblox» como entidad, pero el comportamiento indica que es un individuo, quizá sin fines corporativos. Mirando los horarios, el scraper parecía correr en un portátil: se apaga el fin de semana y a la hora de comer.
Es posible, pero las pruebas encajan mejor con lo contrario: si no era para la empresa, ¿por qué hacerlo en el equipo de trabajo, en horario laboral y con el correo corporativo en el user agent?
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.