Chińska firma Z.ai pokazała nowy model sztucznej inteligencji GLM-5.3. Może okazać się jednym z najciekawszych chińskich systemów AI tego roku. Powód nie sprowadza się jednak wyłącznie do wyników w klasycznych testach programistycznych. GLM-5.3 bardzo dobrze radzi sobie z wyszukiwaniem podatności w oprogramowaniu i w benchmarku CyberGym osiągnął wynik 84,5 proc. Wyprzedził w tym zestawieniu m.in. modele z amerykańskiej czołówki.
To ważny sygnał dla całego rynku AI. Chiny nie tylko rozwijają modele konkurujące z systemami tworzonymi w USA, ale coraz szybciej nadrabiają również dystans w jednym z najbardziej wymagających zastosowań sztucznej inteligencji — automatycznym wykrywaniu i analizowaniu luk bezpieczeństwa.
GLM-5.3 wyjątkowo dobrze radzi sobie z wyszukiwaniem luk
Z.ai twierdzi, że rozwój możliwości cyberbezpieczeństwa GLM-5.3 podczas dodatkowego treningu przebiegał szybciej, niż firma początkowo zakładała. Model nie ogranicza się przy tym do znalezienia pojedynczego błędu w kodzie.
Według Z.ai GLM-5.3 zaczął analizować kolejne etapy potencjalnego ataku i tworzyć spójne plany obejmujące całe łańcuchy wykorzystania podatności. To istotna różnica, ponieważ znalezienie błędu jest tylko jednym z elementów rzeczywistego procesu badania bezpieczeństwa oprogramowania.
W benchmarku CyberGym GLM-5.3 uzyskał 84,5 proc. CyberGym został zaprojektowany do testowania zdolności agentów AI w analizowaniu rzeczywistych podatności i obejmuje 1507 zadań związanych z lukami występującymi w 188 dużych projektach programistycznych.
Wynik GLM-5.3 jest szczególnie interesujący, ponieważ model znalazł się w bezpośrednim sąsiedztwie systemów rozwijanych przez amerykańskie firmy. Reuters podaje, że GLM-5.3 osiągnął 84,5 proc., podczas gdy Anthropic Mythos 5 uzyskał 83,8 proc.
Trzeba jednak zachować ostrożność przy interpretacji takich wyników. CyberGym mierzy przede wszystkim zdolność do identyfikowania podatności. Nie oznacza to automatycznie, że GLM-5.3 jest najlepszym modelem do przeprowadzania kompletnego cyberataku.
Ponad 2400 znalezionych podatności
Jeszcze ciekawsze są dane dotyczące testów przeprowadzonych na rzeczywistych bazach kodu.
Z.ai informuje, że modele z rodziny GLM znalazły 2436 podatności w 269 projektach. Z tego 1097 miało średni lub wysoki poziom zagrożenia. Wśród analizowanych systemów znalazły się między innymi jądra systemów operacyjnych, przeglądarki internetowe, infrastruktura open source, aplikacje webowe oraz protokoły sieciowe.
Niektóre błędy miały pozostawać niewykryte przez wiele lat. Według Z.ai najstarsza z odnalezionych podatności miała pochodzić sprzed około czterech dekad.
To właśnie ten element jest potencjalnie ważniejszy niż sam wynik benchmarku. Jeżeli modele AI potrafią skutecznie analizować ogromne ilości kodu i odnajdywać błędy, które przez lata nie zostały zauważone przez programistów i badaczy bezpieczeństwa, mogą znacząco zmienić sposób prowadzenia audytów bezpieczeństwa.
GLM-5.3 nie wygrywa jednak wszystkich testów
Nie oznacza to, że Chiny właśnie stworzyły najlepszy model AI na świecie.
GLM-5.3 nadal przegrywa z zachodnimi systemami w części innych benchmarków dotyczących programowania i cyberbezpieczeństwa. Szczególnie istotna jest różnica w teście ExploitBench, który sprawdza zdolność modeli do przechodzenia od znalezionej podatności do stworzenia działającego exploita.
Reuters podaje, że GLM-5.3 uzyskał tam 54,4 proc., podczas gdy Mythos 5 Anthropica osiągnął 78 proc.
To dobrze pokazuje, dlaczego wynik CyberGym należy interpretować jako bardzo mocny sygnał, a nie dowód całkowitej przewagi chińskiego modelu.
GLM-5.3 jest szczególnie dobry w odnajdywaniu problemów. Przekucenie takiej wiedzy w kompletny, skuteczny atak pozostaje znacznie trudniejszym zadaniem.
Najważniejsza zmiana może dotyczyć przewagi USA
Jeszcze kilka lat temu rozwój najbardziej zaawansowanych modeli AI był niemal jednoznacznie kojarzony ze Stanami Zjednoczonymi. Dziś ten obraz jest znacznie bardziej skomplikowany.
Chińskie firmy takie jak Z.ai, DeepSeek czy Alibaba coraz częściej prezentują modele, które w określonych zastosowaniach osiągają wyniki porównywalne z rozwiązaniami amerykańskich gigantów.
GLM-5.3 jest kolejnym przykładem tej tendencji, ale jego możliwości cyberbezpieczeństwa są szczególnie interesujące. Cyberbezpieczeństwo jest bowiem dziedziną, w której zaawansowane modele mogą mieć zarówno ogromną wartość defensywną, jak i potencjalnie niebezpieczne zastosowania ofensywne.
Co więcej, sam OpenAI klasyfikuje GPT-5.6 Sol jako model o wysokich możliwościach w zakresie cyberbezpieczeństwa. Firma wskazuje jednocześnie, że model potrafi znajdować podatności i elementy exploitów, ale w przeprowadzonych testach nie osiągnął poziomu pozwalającego na samodzielne przeprowadzenie kompletnego ataku na odpowiednio zabezpieczone cele.
Dlatego pojawienie się chińskiego modelu, który w konkretnym teście wyszukiwania podatności osiąga wynik porównywalny lub nawet lepszy od amerykańskich systemów, ma znaczenie wykraczające poza jeden benchmark.
AI może zmienić wyścig o bezpieczeństwo oprogramowania
Najbardziej prawdopodobnym scenariuszem nie jest oczywiście sytuacja, w której programiści zostaną zastąpieni przez GLM-5.3. Znacznie bardziej realne jest wykorzystanie takich modeli jako automatycznych badaczy bezpieczeństwa.
AI może analizować miliony linii kodu, wskazywać podejrzane fragmenty, łączyć pozornie niezwiązane ze sobą błędy i sugerować miejsca wymagające dodatkowej kontroli. Człowiek może następnie zweryfikować znalezione problemy.
To może być szczególnie istotne w przypadku ogromnych projektów open source, gdzie liczba programistów i badaczy bezpieczeństwa jest niewspółmiernie mała w stosunku do ilości analizowanego kodu.
Jednocześnie ta sama technologia może zostać wykorzystana przez atakujących. Model, który potrafi znaleźć podatność szybciej niż człowiek, może pomóc nie tylko w jej usunięciu, ale również w odnalezieniu słabych punktów oprogramowania, zanim zrobi to jego producent.
Z.ai opóźnia udostępnienie wag modelu
Właśnie dlatego premiera GLM-5.3 ma również interesujący wymiar bezpieczeństwa. Z.ai zdecydowało się opóźnić publiczne udostępnienie wag modelu i przeprowadzić dodatkową ocenę bezpieczeństwa. Firma zapowiada szersze udostępnienie modelu po zakończeniu tych prac.
To pokazuje problem, przed którym stoi obecnie cała branża AI: im bardziej zdolny staje się model, tym trudniejsza jest decyzja o tym, jak szeroko powinien zostać udostępniony.
W przypadku zwykłego modelu programistycznego ryzyko jest stosunkowo łatwe do przewidzenia. W przypadku systemu, który potrafi samodzielnie odnajdywać rzeczywiste podatności, sytuacja wygląda zupełnie inaczej.
Chiny nie są już tylko naśladowcą
Najciekawszy w przypadku GLM-5.3 nie jest więc sam wynik 84,5 proc. w CyberGym. Znacznie ważniejsze jest tempo, w jakim chińskie laboratoria AI zwiększają swoje możliwości.
Z.ai pokazuje, że chińskie modele mogą być bardzo konkurencyjne w wyspecjalizowanych zadaniach, nawet jeśli nie wygrywają jeszcze każdego możliwego benchmarku. A cyberbezpieczeństwo jest jednym z obszarów, w których różnica między dobrym modelem a naprawdę zaawansowanym systemem może mieć bardzo praktyczne konsekwencje.
Wyścig AI między USA i Chinami coraz mniej przypomina więc sytuację, w której jedna strona rozwija technologię, a druga próbuje ją dogonić. Coraz częściej obie strony osiągają poziom, na którym mogą wzajemnie zaskakiwać się możliwościami.
GLM-5.3 jest tego kolejnym, bardzo wyraźnym przykładem.
Foto: Z.ai.