Z.ai tränade GLM-5.3 för att programmera bättre. Modellen lärde sig i processen att bli mycket bättre inom cybersäkerhet

Att förbättra en artificiell intelligensmodell för programmering innebär inte längre bara att få den att skriva kod med färre fel. När vi tränar honom att fungera i timmar i komplexa miljöer, använda verktyg, granska resultat och lösa problem från början till slut, driver vi också på färdigheter som kan dyka upp i mycket känsligare terräng. Det är precis vad Z.ai påstår sig ha observerat med GLM-5.3: när det skalade sin efterutbildning, växte cybersäkerhetsrelaterade kapaciteter snabbare än företaget självt förväntade sig, särskilt när arbetet skiftade från att analysera sårbarheter till att försöka utnyttja dem.

Vad förändrades egentligen. GLM-5.3 är inte baserad på en ny basmodell: Z.ai förklarar att den använder exakt samma som GLM-5.2 och att alla förbättringar kommer från efterträning. Under den senaste månaden har företaget utökat antalet miljöer, diversifierat uppgifter och ägnat mer datoranvändning åt att träna systemet på långa, nära jobb som en ingenjör skulle ta sig an.

I den mixen inkluderade han medvetet data och miljöer för att avslöja sårbarheter, så förbättringen av cybersäkerhet kom inte från ingenstans. Det som var oväntat, enligt Z.ai, var hur långt denna aspekt avancerat senare när träningen fortsatte att eskalera.

Att hitta är inte utnyttjande. CyberGym förser agenten med en beskrivning av en sårbarhet och motsvarande arkiv, och mäter om den kan reproducera den genom ett proof of concept som orsakar felet; Dess uppsättning innehåller 1 507 sårbarheter från 188 projekt. ExploitBench mäter hur långt systemet kan avancera i exploatering, från att orsaka misslyckande till att nå funktioner som läsning, skrivning eller exekvering av godtycklig kod, medan ExploitGym fokuserar direkt på att slutföra exploateringsuppgifter.

Skillnaden är viktig för att bevisa att ett problem existerar och omvandla det till en funktionell attack är olika utmaningar.

Hoppet var oväntat. Siffrorna publicerade av Z.ai visar ett tydligt mönster: förbättringen jämfört med GLM-5.2 blir större ju längre testerna fortskrider längs exploateringskedjan. I CyberGym går GLM-5.3 från 77,2 % av sin föregångare till 84,5 %; i ExploitBench, från 24,4 % till 54,4 %.

Skillnaden är ännu mer uttalad i ExploitGym, där den slutför 105 uppgifter med den normaliserade budgeten på två timmar och 130 med den på sex, jämfört med 29 och 39 i GLM-5.2. Företaget tolkar det beteendet som ett tecken på att de mest avancerade faserna gick särskilt snabbt framåt, även om Reuters varnar för att resultaten inte har verifierats oberoende av varandra. Framför Anthropic.

Jämförelsen med Mythos 5 hjälper till att sätta det hoppet i perspektiv. Detta är en version av Claude Fable 5 utan dess vanliga cybersäkerhetsskydd och vars åtkomst Antropiska gränser för verifierade organisationer. Enligt siffror som släppts av Z.ai når GLM-5.3 84.5% i CyberGym, något över Mythos 5:s 83.8%, men bilden förändras när vi går mot exploatering.

I ExploitBench får den 54,4 % jämfört med Anthropics 78 %, och i ExploitGym slutför den 105 uppgifter jämfört med 181 med den normaliserade budgeten på två timmar. Det kan konkurrera i de tidiga faserna av sårbarhetsanalys, men det ligger fortfarande efter när det gäller att omvandla dem till funktionella attacker. I Xataka har Apple gjort undantag i flera år för att sälja iPhones i Kina.

Den sista är enorm: en exklusiv AI för landet Utanför laboratoriet. Det kinesiska företaget försäkrar att dess modeller redan har tagit del av detta arbete bortom riktmärkena. Sedan GLM-5.2 har företaget arbetat med flera kinesiska säkerhetsteam med riktig kod och hävdar att de efter expertgranskning, filtrering och deduplicering har identifierat 2 436 sårbarheter i 269 projekt.

Det finns också ett oberoende prejudikat: Hugging Face använde GLM-5.2 på sin egen infrastruktur för att forensiskt analysera ett intrång utfört av en autonom agent som drivs av en kombination av OpenAI-modeller, och hävdar att det hjälpte det att dechiffrera en stor del av de återvunna nyttolasterna. Avsnittet visar den andra sidan av dessa verktyg: de kan användas för att studera hur man utnyttjar en bugg, men också för att förstå och korrigera den.

Kina täpper till gapet. I juli rankade UK AI Security Institute GLM-5.2 som den mest kapabla modell med öppen vikt som de hade testat inom cybersäkerhet och drog slutsatsen att den presterade jämförbart med slutna modeller som publicerats fyra till sju månader tidigare, jämfört med ett avstånd på sex till tio månader som observerats under stora delar av 2025. Den utvärderingen inkluderar inte GLM-5.3 för att fastställa trenden, men den tjänar.

Z.ai planerar att publicera sina vikter efter att ha genomfört säkerhetsutvärderingar. Om det avståndet fortsätter att minska kan kapaciteter som idag ligger på den stängda gränsen nå nedladdningsbara modeller tidigare och utan samma kontrollmöjligheter från leverantörens sida. Bilder | Z.ai i Xataka | Mothistoriken för hur dåliga datacenter är finns i en liten stad i USA som har återupplivats tack vare en av dem (instagramScript) The news