---
title: "Tu HTML está bien. El CDN sigue bloqueando al bot."
description: "Cloudflare Radar: ~5% de las peticiones de crawlers de IA reciben un 403 en el CDN, antes de tu HTML. El bloqueo bajo robots.txt, solo visible en los logs."
url: https://seo7.es/es/blog/ai-seo-blog/your-html-is-fine-the-cdn-still-blocks-the-bot
canonical: https://seo7.es/es/blog/ai-seo-blog/your-html-is-fine-the-cdn-still-blocks-the-bot
lang: es
type: BlogPosting
---

# Tu HTML está bien. El CDN sigue bloqueando al bot.

> Cloudflare Radar: ~5% de las peticiones de crawlers de IA reciben un 403 en el CDN, antes de tu HTML. El bloqueo bajo robots.txt, solo visible en los logs.

Página: https://seo7.es/es/blog/ai-seo-blog/your-html-is-fine-the-cdn-still-blocks-the-bot

## Descripción para IA

Cloudflare Radar: ~5% de las peticiones de crawlers de IA reciben un 403 en el CDN, antes de tu HTML. El bloqueo bajo robots.txt, solo visible en los logs. La página es server-rendered. El JSON-LD está en la respuesta cruda. curl devuelve el artículo entero, titular incluido. Un crawler que pida tu URL recibe todo lo que necesita.

## Preguntas y respuestas

### ¿Por qué el rastreador no recibe la página si el HTML está bien?

El rastreador llama al CDN, y el CDN puede responder 403 antes de que la solicitud llegue al servidor. La página está renderizada en servidor, el JSON-LD está en su sitio, curl devuelve todo el artículo, pero el bot solo ve un código de error.

### ¿En qué se diferencia una prohibición en robots.txt de una regla de WAF?

El robots.txt es como una nota en la puerta: el rastreador educado la lee, el maleducado pasa de largo, y no tiene relación con los bytes de la página. Una regla de WAF o CDN es la puerta misma: responde en el borde con un código 403, 429 o un desafío de JavaScript.

### ¿Qué códigos de respuesta reciben los rastreadores de IA según Cloudflare Radar?

Según el panel AI Insights de 7 días a 18 de julio de 2026: 200 OK en el 73,6% de las respuestas, 403 Forbidden en el 5,2%, 429 Too Many Requests en el 1,3%, 503 en el 1,1%. Más de una de cada quince solicitudes se rechaza en el borde.

### ¿Por qué a menudo se bloquea a los bots de IA sin que lo decida el propietario del sitio?

El bloqueo suele venir por defecto: un conjunto gestionado de reglas de WAF, el interruptor «bloquear bots de IA» activado en 2024 o un bot-fight score demasiado estricto. El propietario no escribió esa regla y no sabe del bloqueo.

### ¿Qué rastreadores de IA se prohíben con más frecuencia en robots.txt?

Según el rastreador de robots.txt de Cloudflare Radar a 18 de julio de 2026, entre los dominios principales los más prohibidos son GPTBot, CCBot y ClaudeBot. En gran parte son reglas heredadas y no una elección consciente.

### ¿Por qué el propietario no ve el bloqueo en su navegador?

El navegador del propietario no está en la lista de bloqueo: la IP doméstica y el User-Agent de Chrome pasan cualquier comprobación. El robots.txt muestra Allow: /, el código fuente está limpio. Todas las herramientas parten del propio propietario, y el bloqueo apunta a GPTBot.

### ¿Dónde ver lo que GPTBot recibió realmente?

En el access log del servidor. Hay una línea por cada solicitud real, con el User-Agent del visitante y el código de estado exacto. Es el único registro de lo que recibió el rastreador y, a diferencia del navegador y del robots.txt, no induce a error.

### ¿Cómo contar con un solo comando los códigos de respuesta a los rastreadores de IA?

Filtrar access.log con grep por GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, Claude-SearchBot, PerplexityBot y Google-Extended, extraer el campo de estado con awk y contar con sort y uniq -c. 200 significa página recibida, 403 rechazo del borde, 429 límite de tasa.

### ¿Cómo es un fallo inadvertido con los rastreadores de IA?

El robots.txt está totalmente abierto, pero los logs están llenos de 403. Todo lo que ve el propietario dice «sí», y la capa que decide dice «no». Es una historia típica: meses de contenido, cero menciones en ChatGPT y Perplexity, y solo una auditoría descubre que Cloudflare devolvía 403 a GPTBot.

### ¿Por qué no se debe arreglar el bloqueo con una regla por User-Agent?

Cualquiera puede escribir un User-Agent. Un scraper de precios se firmará como GPTBot y pasará por la nueva regla generosa. En su seguimiento de transparencia, Cloudflare marca qué operadores se pueden verificar: a mediados de 2026 ByteDance figura como no verificado.

### ¿Cómo verificar un rastreador con los rangos de IP publicados?

Tomar los archivos del proveedor, por ejemplo openai.com/gptbot.json, searchbot.json y chatgpt-user.json, hacer reverse-DNS de la IP de la solicitud, comprobar que el hostname pertenece al proveedor y, con una resolución forward, devolverlo a la misma IP. Si falla un solo paso, es un suplantador.

### ¿Cómo trabaja AWS WAF con los bots firmados?

A finales de 2025 AWS WAF añadió soporte para Web Bot Auth y deja pasar automáticamente a los agentes verificados. La firma Ed25519 prueba la identidad del rastreador. El estándar sigue siendo un borrador del IETF, pero Cloudflare, OpenAI, Anthropic y AWS ya lo soportan.

### ¿Cuánto tiempo lleva una auditoría de acceso de los rastreadores de IA?

Una tarde. Extraiga los logs de una semana, filtre por User-Agent de IA y mire los códigos de estado. Si ve 403 o 429, busque la regla: casi siempre es un conjunto gestionado o el ajuste de bloqueo de bots de IA.

### ¿Qué capas atraviesa una solicitud antes de llegar al HTML de la página?

DNS, CDN, WAF, limitador de tasa y scoring de bot-management. Cualquiera de ellos puede cortar la solicitud con un código de estado que el propietario no ve mientras la página se muestra perfectamente en su navegador. La pregunta correcta es qué código recibió el bot.

## Otros idiomas

- RU: https://seo7.es/ru/blog/ai-seo-blog/your-html-is-fine-the-cdn-still-blocks-the-bot
- EN: https://seo7.es/en/blog/ai-seo-blog/your-html-is-fine-the-cdn-still-blocks-the-bot

## Marcado schema.org

```json
{
  "@context": "https://schema.org",
  "@type": "BlogPosting",
  "name": "Tu HTML está bien. El CDN sigue bloqueando al bot.",
  "description": "Cloudflare Radar: ~5% de las peticiones de crawlers de IA reciben un 403 en el CDN, antes de tu HTML. El bloqueo bajo robots.txt, solo visible en los logs.",
  "url": "https://seo7.es/es/blog/ai-seo-blog/your-html-is-fine-the-cdn-still-blocks-the-bot",
  "mainEntityOfPage": "https://seo7.es/es/blog/ai-seo-blog/your-html-is-fine-the-cdn-still-blocks-the-bot",
  "inLanguage": "es-ES",
  "headline": "Tu HTML está bien. El CDN sigue bloqueando al bot.",
  "isPartOf": {
    "@type": "WebSite",
    "name": "SEO7.ES",
    "url": "https://seo7.es/"
  },
  "publisher": {
    "@type": "Organization",
    "name": "SEO7.ES",
    "url": "https://seo7.es/"
  }
}
```