El informe GenAI Code Security 2025 de Veracode probó más de 100 modelos de lenguaje en Java, Python, C# y JavaScript. En el 45% de las muestras, el código generado falló las pruebas de seguridad e introdujo vulnerabilidades del OWASP Top 10. Java fue el lenguaje más riesgoso, con un 72% de fallas de seguridad. Uno de los problemas más frecuentes fue el cross-site scripting, que las herramientas de IA no evitaron en el 86% de las muestras relevantes.
Veracode mantuvo la misma prueba, con 80 tareas de programación. Hasta la actualización Spring 2026, de marzo de 2026, ya había evaluado más de 150 modelos. La corrección de sintaxis superó el 95%, pero la tasa de aprobación en seguridad quedó en alrededor del 55%, casi igual que dos años antes. La aprobación fue del 82% contra inyección SQL, pero solo del 15% contra cross-site scripting y del 13% contra inyección en logs, fallas que exigen seguir el dato por el código.