اكتشاف الثغرات الأمنية السيبرانية

• CyberGym (تحديد الثغرات والتحقق منها من الكود المصدري): يسجل GLM-5.3 نسبة 84.5%، وهي أعلى نتيجة مُعلنة علنًا — متقدمًا على Mythos 5 بنسبة 83.8% وGPT-5.6 Sol بنسبة 83.6% . يختبر هذا المعيار قدرة النموذج على إيجاد الثغرات الحقيقية والتحقق منها من الكود المصدري.
• الحجم الحقيقي: خلال مرحلة ما بعد التدريب، حدد GLM-5.3 2,436 ثغرة أمنية حقيقية لم يتم الكشف عنها سابقًا، وهي قدرة وصفتها Z.ai بأنها "نمت أسرع مما كان متوقعًا" .

قدرات استغلال الثغرات

• ExploitBench (تحليل السبب الجذري وتوليد exploits عاملة): يسجل GLM-5.3 نسبة 54.4% — وهي أكثر من ضعف نتيجة سابقه GLM-5.2 (24.4%)، لكنها أقل بكثير من Mythos 5 عند 78.0% وGPT-5.6 Sol عند 76.5% . هذه هي الفجوة الأوضح بين النموذجين.
• ExploitGym (مهام استغلال مكتملة ضمن ميزانية زمنية محددة بساعتين): يُكمل GLM-5.3 105 مهمة مقابل 29 لـ GLM-5.2، لكن لم تُنشر بيانات Mythos 5 على هذا المقياس المحدد للمقارنة جنبًا إلى جنب .

المعايير الأوسع (البرمجة والمهام الذاتية)

ملاحظة: يسجل Mythos 5 نتيجة 80.3% على معيار SWE-bench Pro (البرمجة الذاتية)، لكن المقارنات المباشرة على هذه المعايير المحددة غير متاحة بين كلا النموذجين . جميع مكاسب GLM-5.3 جاءت فقط من توسيع مرحلة ما بعد التدريب — لم يتم إعادة تدريب النموذج الأساسي الذي يضم 743 مليار معامل .

النهج مفتوح المصدر وإجراءات السلامة

• إصدار الأوزان المفتوحة المؤجل: يتوفر GLM-5.3 عبر واجهة API وخطط البرمجة فورًا، لكن إصدار الأوزان المفتوحة للتحميل مؤجل لحين الانتهاء من مراجعة السلامة — وهو تأخير لا يقل عن أسبوعين، وفقًا لـ Z.ai . يمثل هذا تحولًا عن GLM-5.2 الذي تم إصداره بأوزان مفتوحة بالكامل في 16 يونيو 2026 .
• تقييم السلامة السابق (GLM-5.2): وجد تقييم CAISI (NIST) في يوليو 2026 أن ضمانات GLM-5.2 "مختلطة" — فقد سمح بالمساعدة في تطوير exploits سيبرانية ذاتية وأظهر رفضًا ضعيفًا للتعليمات عالية الخطورة . وجد تقرير منفصل من SaferAI أن GLM-5.2 رفض 0% من تعليمات الهجمات السيبرانية عالية الخطورة وكان لديه معدل إعادة إنتاج للثغرات بنسبة 76%، متأخرًا بمقدار 2-4 أشهر فقط عن GPT-5.5 في القدرة على الهجمات السيبرانية .
• نهج Mythos 5 هو العكس تمامًا: لم تصدر Anthropic نموذج Mythos 5 للعموم أبدًا. الوصول إليه مقصور على حوالي 200 منظمة موثوقة (بما في ذلك الحكومة الأمريكية) ضمن مشروع Glasswing . كما قامت Anthropic بتقسيم النموذج إلى نسخة "Fable 5" منزوعة القدرات الهجومية للاستخدام العام، والتي تسجل .

السياق الصناعي والتنظيمي

• الضغوط التنظيمية الصينية: في يوليو 2026، عقدت السلطات الصينية اجتماعات مع كبرى شركات الذكاء الاصطناعي حول احتمال تقييد الوصول إلى الخارج لأحدث نماذج الذكاء الاصطناعي الصينية، بما في ذلك تلك التي لم تُصدر بعد . يخلق هذا حالة من عدم اليقين بشأن ما إذا كان سيتم تصدير أوزان GLM-5.3 بحرية.
• انتشار بين المطورين الغربيين: على الرغم من هذه المخاوف، تعلن Z.ai عن تزايد التبني بين المطورين الغربيين، ويكتسب GLM-5.3 مصداقية كنموذج مفتوح المصدر ينافس النماذج الحدودية .
• لحاق النماذج مفتوحة الوزن: ذكرت TechCrunch في أغسطس 2026 أن النماذج مفتوحة الوزن مثل GLM-5.2 تلحق بالمختبرات الحدودية في القدرات السيبرانية والبيولوجية، لكن "فجوة السلامة لا تزال قائمة" — حيث تمتلك هذه النماذج آليات رفض أضعف بكثير من نظيراتها المقيدة .

تحفظات رئيسية

1. معايير Z.ai المبلغ عنها ذاتيًا. نتائج GLM-5.3 على CyberGym وExploitBench تأتي من منهجية اختبار Z.ai الخاصة، وليس من تدقيق طرف ثالث مستقل .
2. نتائج Mythos 5 قد تكون متحفظة أيضًا. تعلن Anthropic عن نتيجة Mythos 5 على ExploitBench عند 78.0%، ونتيجة SWE-bench Pro عند 80.3% — وهي أرقام تأتي من تقييمات Anthropic الخاصة .
3. فجوة ExploitBench كبيرة. تشير فجوة مقدارها 23.6 نقطة مئوية في الاستغلال إلى أن Mythos 5 أفضل بشكل جوهري في أخطر قدرة هجومية — توليد exploits عاملة من تحليل السبب الجذري .
4. حالة الأوزان المفتوحة معلقة. GLM-5.3 ليس مفتوح الوزن حقًا بعد؛ التنزيل محظور لحين الانتهاء من تعزيزات السلامة. إذا لم يتم إصدار الأوزان للعموم أبدًا، فإن التمييز "مفتوح المصدر" مقابل Mythos 5 يضيق بشكل كبير .

الخلاصة

يدّعي GLM-5.3 تفوقًا ضيقًا على Mythos 5 في كشف الثغرات (84.5% مقابل 83.8% على CyberGym)، لكنه يتخلف بشكل كبير في استغلالها (54.4% مقابل 78.0% على ExploitBench). إصدار أوزانه المفتوحة مؤجل لمراجعة السلامة، وتم تقييم سابقه GLM-5.2 على أنه يمتلك رفضًا شبه معدوم لتعليمات الهجمات السيبرانية. يظل Mythos 5 أكثر تقييدًا بكثير — لم يُتاح للعموم أبدًا، ومقتصر على حوالي 200 شريك موثوق — لكنه أيضًا أكثر قدرة بكثير في المهمة الهجومية الأخطر: توليد exploits عاملة. المغزى الأوسع هو أن النماذج مفتوحة الوزن تغلق بسرعة فجوة القدرات مع النماذج الحدودية المقيدة في المهام السيبرانية، بينما تظل ضمانات السلامة أضعف بشكل كبير. يضيف عدم اليقين التنظيمي الصيني حول تصدير أفضل نماذج الذكاء الاصطناعي طبقة أخرى من التعقيد حول ما إذا كانت أوزان GLM-5.3 ستكون متاحة بحرية كما يوحي تسويق Z.ai.

اكتشاف الثغرات الأمنية السيبرانية

• CyberGym (تحديد الثغرات والتحقق منها من الكود المصدري): يسجل GLM-5.3 نسبة 84.5%، وهي أعلى نتيجة مُعلنة علنًا — متقدمًا على Mythos 5 بنسبة 83.8% وGPT-5.6 Sol بنسبة 83.6% . يختبر هذا المعيار قدرة النموذج على إيجاد الثغرات الحقيقية والتحقق منها من الكود المصدري.
• الحجم الحقيقي: خلال مرحلة ما بعد التدريب، حدد GLM-5.3 2,436 ثغرة أمنية حقيقية لم يتم الكشف عنها سابقًا، وهي قدرة وصفتها Z.ai بأنها "نمت أسرع مما كان متوقعًا" .

قدرات استغلال الثغرات

• ExploitBench (تحليل السبب الجذري وتوليد exploits عاملة): يسجل GLM-5.3 نسبة 54.4% — وهي أكثر من ضعف نتيجة سابقه GLM-5.2 (24.4%)، لكنها أقل بكثير من Mythos 5 عند 78.0% وGPT-5.6 Sol عند 76.5% . هذه هي الفجوة الأوضح بين النموذجين.
• ExploitGym (مهام استغلال مكتملة ضمن ميزانية زمنية محددة بساعتين): يُكمل GLM-5.3 105 مهمة مقابل 29 لـ GLM-5.2، لكن لم تُنشر بيانات Mythos 5 على هذا المقياس المحدد للمقارنة جنبًا إلى جنب .

المعايير الأوسع (البرمجة والمهام الذاتية)

ملاحظة: يسجل Mythos 5 نتيجة 80.3% على معيار SWE-bench Pro (البرمجة الذاتية)، لكن المقارنات المباشرة على هذه المعايير المحددة غير متاحة بين كلا النموذجين . جميع مكاسب GLM-5.3 جاءت فقط من توسيع مرحلة ما بعد التدريب — لم يتم إعادة تدريب النموذج الأساسي الذي يضم 743 مليار معامل .

النهج مفتوح المصدر وإجراءات السلامة

• إصدار الأوزان المفتوحة المؤجل: يتوفر GLM-5.3 عبر واجهة API وخطط البرمجة فورًا، لكن إصدار الأوزان المفتوحة للتحميل مؤجل لحين الانتهاء من مراجعة السلامة — وهو تأخير لا يقل عن أسبوعين، وفقًا لـ Z.ai . يمثل هذا تحولًا عن GLM-5.2 الذي تم إصداره بأوزان مفتوحة بالكامل في 16 يونيو 2026 .
• تقييم السلامة السابق (GLM-5.2): وجد تقييم CAISI (NIST) في يوليو 2026 أن ضمانات GLM-5.2 "مختلطة" — فقد سمح بالمساعدة في تطوير exploits سيبرانية ذاتية وأظهر رفضًا ضعيفًا للتعليمات عالية الخطورة . وجد تقرير منفصل من SaferAI أن GLM-5.2 رفض 0% من تعليمات الهجمات السيبرانية عالية الخطورة وكان لديه معدل إعادة إنتاج للثغرات بنسبة 76%، متأخرًا بمقدار 2-4 أشهر فقط عن GPT-5.5 في القدرة على الهجمات السيبرانية .
• نهج Mythos 5 هو العكس تمامًا: لم تصدر Anthropic نموذج Mythos 5 للعموم أبدًا. الوصول إليه مقصور على حوالي 200 منظمة موثوقة (بما في ذلك الحكومة الأمريكية) ضمن مشروع Glasswing . كما قامت Anthropic بتقسيم النموذج إلى نسخة "Fable 5" منزوعة القدرات الهجومية للاستخدام العام، والتي تسجل .

السياق الصناعي والتنظيمي

• الضغوط التنظيمية الصينية: في يوليو 2026، عقدت السلطات الصينية اجتماعات مع كبرى شركات الذكاء الاصطناعي حول احتمال تقييد الوصول إلى الخارج لأحدث نماذج الذكاء الاصطناعي الصينية، بما في ذلك تلك التي لم تُصدر بعد . يخلق هذا حالة من عدم اليقين بشأن ما إذا كان سيتم تصدير أوزان GLM-5.3 بحرية.
• انتشار بين المطورين الغربيين: على الرغم من هذه المخاوف، تعلن Z.ai عن تزايد التبني بين المطورين الغربيين، ويكتسب GLM-5.3 مصداقية كنموذج مفتوح المصدر ينافس النماذج الحدودية .
• لحاق النماذج مفتوحة الوزن: ذكرت TechCrunch في أغسطس 2026 أن النماذج مفتوحة الوزن مثل GLM-5.2 تلحق بالمختبرات الحدودية في القدرات السيبرانية والبيولوجية، لكن "فجوة السلامة لا تزال قائمة" — حيث تمتلك هذه النماذج آليات رفض أضعف بكثير من نظيراتها المقيدة .

تحفظات رئيسية

1. معايير Z.ai المبلغ عنها ذاتيًا. نتائج GLM-5.3 على CyberGym وExploitBench تأتي من منهجية اختبار Z.ai الخاصة، وليس من تدقيق طرف ثالث مستقل .
2. نتائج Mythos 5 قد تكون متحفظة أيضًا. تعلن Anthropic عن نتيجة Mythos 5 على ExploitBench عند 78.0%، ونتيجة SWE-bench Pro عند 80.3% — وهي أرقام تأتي من تقييمات Anthropic الخاصة .
3. فجوة ExploitBench كبيرة. تشير فجوة مقدارها 23.6 نقطة مئوية في الاستغلال إلى أن Mythos 5 أفضل بشكل جوهري في أخطر قدرة هجومية — توليد exploits عاملة من تحليل السبب الجذري .
4. حالة الأوزان المفتوحة معلقة. GLM-5.3 ليس مفتوح الوزن حقًا بعد؛ التنزيل محظور لحين الانتهاء من تعزيزات السلامة. إذا لم يتم إصدار الأوزان للعموم أبدًا، فإن التمييز "مفتوح المصدر" مقابل Mythos 5 يضيق بشكل كبير .

الخلاصة

يدّعي GLM-5.3 تفوقًا ضيقًا على Mythos 5 في كشف الثغرات (84.5% مقابل 83.8% على CyberGym)، لكنه يتخلف بشكل كبير في استغلالها (54.4% مقابل 78.0% على ExploitBench). إصدار أوزانه المفتوحة مؤجل لمراجعة السلامة، وتم تقييم سابقه GLM-5.2 على أنه يمتلك رفضًا شبه معدوم لتعليمات الهجمات السيبرانية. يظل Mythos 5 أكثر تقييدًا بكثير — لم يُتاح للعموم أبدًا، ومقتصر على حوالي 200 شريك موثوق — لكنه أيضًا أكثر قدرة بكثير في المهمة الهجومية الأخطر: توليد exploits عاملة. المغزى الأوسع هو أن النماذج مفتوحة الوزن تغلق بسرعة فجوة القدرات مع النماذج الحدودية المقيدة في المهام السيبرانية، بينما تظل ضمانات السلامة أضعف بشكل كبير. يضيف عدم اليقين التنظيمي الصيني حول تصدير أفضل نماذج الذكاء الاصطناعي طبقة أخرى من التعقيد حول ما إذا كانت أوزان GLM-5.3 ستكون متاحة بحرية كما يوحي تسويق Z.ai.