Zhipu ujawnia 1097 krytycznych luk znalezionych przez swój model GLM-5.3. Najstarsza jest sprzed 45 lat

Chińskie laboratoria sztucznej inteligencji nie zwalniają tempa. Po Muse Glimmer firmy Meta, Nemotronie 3.5 Lightning NVIDII, DeepSeek V4 Pro i Gemini 3.7 Flash Google'a przyszła kolej na pekińskie Zhipu, znane też jako Z.ai. 14 sierpnia firma pokazała GLM-5.3, czyli model zachowujący architekturę poprzednika, ale wyraźnie skuteczniejszy w kodowaniu i wyszukiwaniu luk. Zhipu opublikowało też listę podatności znalezionych w realnym oprogramowaniu.

GLM-5.3 pokazuje, że sam post-trening potrafi wycisnąć z tego samego modelu bazowego wyraźnie więcej w kodowaniu i wyszukiwaniu podatności, a lista 1097 poważnych luk znalezionych w realnym oprogramowaniu każe traktować tę premierę poważniej niż zwykły zestaw benchmarków.

Microsoft twierdzi, że pokonał Anthropic w jego własnej grze. Nowy model ma znaleźć więcej luk niż Claude Mythos

Model GLM-5.3 dziedziczy po GLM-5.2 dokładnie tę samą bazę, czyli 743 miliardy parametrów w architekturze MoE (Mixture of Experts, mieszanina wyspecjalizowanych podsieci aktywowanych selektywnie zależnie od zadania). Zhipu zachowało tę warstwę, a wzrost możliwości przypisuje rozszerzonemu post-treningowi, czyli dodatkowemu etapowi dostrajania modelu na wyspecjalizowanych środowiskach zadaniowych. Efekt to 66,9 punktu w DeepSWE (benchmark agentowego kodowania) wobec 46,2 dla GLM-5.2 oraz 28,3 w Terminal Bench 3.0 (test wieloetapowych poleceń w terminalu) wobec 4,6 wcześniej. Fable 5, model klasy Mythos firmy Anthropic, notuje odpowiednio 69,7 i 33,7. Zhipu zbliża się więc do wyników konkurenta, mimo że zmiany dotyczyły wyłącznie post-treningu.

Alibaba stawia Qwen3.8-Max naprzeciw Claude Fable 5 i GPT-5.6 Sol. Wygrywa część testów, przegrywa Humanity's Last Exam

W CyberGym, benchmarku wykrywania podatności w kodzie źródłowym, GLM-5.3 uzyskało 84,5 proc., wyprzedzając Fable 5 (83,8 proc.) i GPT-5.6 Sol firmy OpenAI (83,6 proc.). W ExploitBench, mierzącym budowanie pełnych łańcuchów eksploatacji, model Zhipu uzyskał już tylko 54,4 proc. wobec 78 proc. dla Fable 5 i 76,5 proc. dla GPT-5.6 Sol. Przewaga w wykrywaniu błędów nie przekłada się więc automatycznie na ich wykorzystanie. Zhipu przyznaje, że model zaczął samodzielnie łączyć etapy ataku w spójne plany, choć firma tego nie zakładała.

Koniec Asystenta Google na smartfonach. 4 września rozpocznie się wygaszanie usługi na rzecz modelu językowego Gemini

W testach na realnym kodzie GLM-5.3 znalazło 2436 podatności w 269 projektach open source, z czego 1097 to błędy krytyczne lub wysokiej wagi, między innymi w jądrach systemów, silnikach przeglądarek i protokołach sieciowych. Najstarsza z wykrytych podatności pochodziła z 1981 roku. Publikację wag Zhipu przesunęło o kilka tygodni. To pierwszy taki przypadek w serii GLM, motywowany dodatkową weryfikacją bezpieczeństwa. Następny model firmy ma zmienić architekturę i, według zapowiedzi, podwoić liczbę parametrów.