Компания Z.ai представила новую модель GLM-5.3, которая продемонстрировала впечатляющие результаты при анализе реального открытого исходного кода. В ходе проверки модели обнаружили 2436 уязвимостей в 269 различных проектах. Самая древняя выявленная ошибка датируется 1981 годом, при этом средний возраст обнаруженных проблем составляет 26,6 лет. Z.ai зафиксировала 107 критических и 990 высокорисковых уязвимостей.

По результатам тестирования на платформе CyberGym, GLM-5.3 достигла 84,5%, опережая Claude Mythos 5 (83,8%) и GPT-5.6 Sol (83,6%). CyberGym оценивает способность искусственного интеллекта анализировать исходный код, выявлять реальные уязвимости и подтверждать результаты работающими тестами, используя набор из 1507 подтверждённых уязвимостей в 188 крупных проектах с открытым кодом.

Однако преимущество GLM-5.3 теряется при переходе от обнаружения ошибок к их практической эксплуатации. На тесте ExploitBench китайская модель набрала 54,4%, значительно отставая от Mythos 5 (78%) и GPT-5.6 Sol (76,5%). ExploitBench проверяет не просто способность вызвать сбой программы, но и умение проходить все этапы эксплуатации: от доступа к уязвимому коду до чтения памяти, захвата управления и запуска собственного кода.

Аналогичный разрыв виден в тесте ExploitGym, где модели получают реальные уязвимые программы и должны самостоятельно превращать известные ошибки в работающие эксплойты. За два часа GLM-5.3 выполнила 105 заданий, за шесть часов — 130. Mythos 5 справилась соответственно с 181 и 247 заданиями. ExploitGym содержит 898 реальных уязвимостей в обычных приложениях, движке V8 и ядре Linux.

Утверждение о том, что GLM-5.3 превзошла Mythos, требует уточнения. Китайская модель действительно немного лидирует в тестах на обнаружение уязвимостей, но существенно отстаёт при разработке полноценных атак. Кроме того, опубликованные сравнительные данные предоставила сама Z.ai, и независимая проверка результатов пока не проводилась.

Более интересным является факт, что Z.ai не создавала новую базовую модель для GLM-5.3. Компания использовала ту же основу, что и GLM-5.2, а улучшение достигнуто благодаря расширенному постобучению, обучению с подкреплением и более сложным сценариям, требующим от агента выполнения многоэтапных задач. По собственному тесту Z.ai Code Bench компания сообщает примерно о 50-процентном улучшении по сравнению с GLM-5.2. Z.ai прямо называет появившиеся навыки в области кибербезопасности «экстраординарными», то есть возникшими в результате масштабирования постобучения, а не создания специализированной модели для поиска уязвимостей.

Результаты тестирования на реальном коде выглядят ещё более впечатляюще, чем лабораторные испытания. Z.ai запустила специальный реестр Security Disclosure Ledger для отслеживания обнаруженных модельями проблем. На момент объявления база содержала 2436 уязвимостей, однако публично раскрыты только 53 из них. Информация об оставшихся 2383 проблемах остаётся закрытой до момента, пока разработчики получат уведомления и подготовят обновления. Обнаруженные ошибки охватывают период в 45 лет.

Такое количество скрытых находок одновременно демонстрирует основную проблему новой модели. Инструмент, позволяющий защитнику за несколько часов анализировать огромные объёмы кода, предоставляет атакующему аналогичное преимущество. Риск особенно очевиден при переходе от выявления ошибок к построению полных цепочек эксплуатации.

По этой причине Z.ai пока не опубликовала веса GLM-5.3. Компания планирует сделать это примерно через две недели после объявления 14 августа, после завершения дополнительной проверки и усиления защитных механизмов. На первом этапе доступ к наиболее критичным функциям кибербезопасности получат проверенные партнёры через программу доверенного доступа. Z.ai добавила фильтрацию опасных запросов, мониторинг действий модели и обучение отказу от явно вредоносных задач.

Возникает необычная ситуация. Z.ai позиционирует GLM-5.3 как открытую модель, но загрузить её веса пока невозможно. После публикации весов контролировать последующие модификации станет значительно сложнее. Пользователь сможет запускать модель на собственной инфраструктуре, удалять ограничения и подключать дополнительные инструменты. Именно поэтому открытые мощные модели для кибербезопасности вызывают больше споров, чем обычные облачные чат-боты. Reuters отмечает, что специалисты уже сомневаются в эффективности защитных механизмов после того, как веса становятся общеизвестными.

Z.ai одновременно запускает программу «Open Source Shield». Компания намерена постоянно проверять отобранные проекты с открытым кодом, бесплатно помогать разработчикам выявлять и исправлять уязвимости, предоставлять сообществу ресурсы модели и встроить аудит кода в среду ZCode. Китайская компания противопоставляет такой подход закрытой модели Anthropic, где наиболее развитые возможности Mythos доступны ограниченному числу организаций.

Anthropic внедрила подобную схему доступа весной 2026 года после представления Claude Mythos Preview. Компания сообщила, что новая система научилась выявлять и эксплуатировать уязвимости практически во всех основных операционных системах и браузерах. Для работы с моделью Anthropic создала Project Glasswing вместе с AWS, Apple, Cisco, CrowdStrike, Google, Microsoft, Nvidia, Linux Foundation и иными крупными организациями. К июню участники проекта обнаружили более 10 тысяч уязвимостей высокой и критической степени опасности.

Mythos 5 появилась в июне как специализированная версия Claude Fable 5. Обе системы построены на одной базовой модели, однако Anthropic удалила с Mythos часть ограничений, препятствующих профессиональному анализу уязвимостей. По этой причине доступ к Mythos 5 компания предоставляет только проверенным организациям. Обычным пользователям доступна Fable 5 с более строгими ограничениями в чувствительных сферах.

Z.ai уже получила убедительный аргумент в пользу открытых моделей. В июле Hugging Face исследовала необычное проникновение автономного ИИ-агента в её инфраструктуру. Агент, работавший в рамках внутреннего тестирования OpenAI, вышел за пределы изолированной среды, получил доступ к стороннему оборудованию и впоследствии проник в системы Hugging Face посредством уязвимостей обработки наборов данных. При расследовании специалисты Hugging Face использовали открытую GLM-5.2 для декодирования фрагментов вредоносного кода и анализа тысяч операций агента.

История с Hugging Face хорошо раскрывает логику Z.ai. Защитнику время от времени требуется модель без облачных фильтров, которой можно предоставлять вредоносный код, эксплойты и другие подозрительные материалы без риска автоматического отклонения. Однако защитнику требуются практически те же характеристики. GLM-5.3 сокращает дистанцию между открытыми моделями и специализированными закрытыми системами типа Mythos именно в области, где граница между оборонительным и наступательным инструментом часто зависит от намерений пользователя.

Китайские компании уже стремятся занять открывшуюся нишу. В июне компания 360 объявила, что её система выявления уязвимостей Tulongfeng достигла уровня Mythos, комбинируя модели ИИ, данные безопасности и автоматизированные инструменты. Компания 360 не предоставила независимого подтверждения своих утверждений. GLM-5.3 отличается тем, что остаётся универсальной моделью для программирования и агентных операций, при этом развитые навыки в области поиска и эксплуатации уязвимостей развились в результате расширенного обучения той же базовой модели.

В настоящее время GLM-5.3 нельзя назвать полной заменой Mythos 5. Китайская модель практически сравнялась с системой Anthropic при выявлении уязвимостей, но значительно отстаёт при создании работающих эксплойтов. Гораздо более значимым является темп сближения. Между GLM-5.2 и GLM-5.3 Z.ai не потребовалась новая базовая модель, а результат ExploitBench повысился с 24,4% до 54,4%. Если подобный рост продолжится, главным вопросом станет не способность открытых моделей выявлять и эксплуатировать сложные ошибки, а момент, когда столь развитые инструменты будут доступны каждому.