GLM-5.3 nærmede sig Claude Mythos i én test. Sikkerhedsforanstaltningerne var langt lettere at omgå

Anthropics evaluering fra september 2026 viste, at Z.ai’s open-weight-model GLM-5.3 kunne bygge fungerende exploits næsten lige så ofte som Claude Mythos Preview på én bestemt test. Samtidig kunne simple metoder ofte omgå GLM-5.3’s sikkerhedsforanstaltninger i simuleringer. Resultaterne rejser spørgsmål om, hvor bred adgang der bør være til avancerede cyberfunktioner – men de stammer fra kontrollerede tests og dokumenterer ikke vellykkede angreb mod aktive mål. 12

Sådan klarede modellerne sig i testen

På Anthropics ExploitBench-test byggede GLM-5.3 fungerende exploits i 50 af 410 forsøg. Claude Mythos Preview gjorde det i 56. Det svarer til cirka 12 procent mod 14 procent i netop denne test. ExploitBench undersøger, om en model kan udvikle exploits mod kendte sårbarheder i et kontrolleret miljø. Resultaterne er derfor ikke bevis for, at modellerne klarer sig lige godt på alle cybersikkerhedsopgaver. 512

Anthropic beskrev GLM-5.3’s evne til at udvikle exploits fra start til slut som et betydeligt fremskridt sammenlignet med tidligere modeller. I en separat test af binær udnyttelse opnåede GLM-5.3 fuld kontrol over programflowet i 4 procent af opgaverne, mens Mythos Preview gjorde det i 6 procent. Tallene peger på stærke resultater i bestemte tests – ikke på, at modellerne er lige gode til alt. 3712

NIST giver et bredere og mere nuanceret billede

NIST’s Center for AI Standards and Innovation (CAISI), et amerikansk center for standarder og evaluering af AI, kaldte GLM-5.3 den mest cyberkapable open-weight-model, det havde vurderet. Samtidig fandt centret, at modellen lå omkring fire måneder efter de førende amerikanske modeller målt på tværs af CAISI’s cybersikkerhedstests. 17

De to vurderinger behøver ikke at være i modstrid. NIST sammenlignede GLM-5.3 på tværs af flere benchmarks, mens Anthropics mest opsigtsvækkende sammenligning gjaldt én specifik exploit-test mod Mythos Preview. Forskellige tests og sammenligningsgrundlag kan godt føre til konklusioner, der begge holder. 1217

Sikkerhedsforanstaltninger kunne omgås i simuleringer

Anthropic rapporterede, at simple metoder omgåede GLM-5.3’s sikkerhedsforanstaltninger i 64–100 procent af de simulerede tests. Tallene beskriver udfaldet af de prompts og metoder, der blev afprøvet – ikke sandsynligheden for, at en angriber vil lykkes i en virkelig operation. 12

Open weights rejser også et særskilt spørgsmål. Når brugere har adgang til modellens vægte, kan de muligvis ændre dens afvisningsadfærd i stedet for blot at forsøge at overtale den gennem prompts. En sekundær gennemgang af forsøget anslog, at et erfarent hold kunne fjerne sikkerhedsforanstaltningerne for omkring 1.200 dollar. Den beskrev også et beregningsestimat på cirka 4.400 dollar. Det er estimater baseret på forskellige beskrivelser af arbejdet – ikke en fast pris eller et mål for, hvor ofte virkelige angribere ville gøre det. 1225

Hvad exploit-demonstrationen viste

I et rapporteret forsøg brugte en forsker den mindre model GLM-5.3-Flash til at bygge en kæde af exploits baseret på to sårbarheder, som allerede var offentliggjort. Ifølge rapporten krævede arbejdet omkring 20 minutters menneskelig indsats, otte timers modelarbejde og 20,40 dollar i API-gebyrer. Den ene sårbarhed var i Chrome, og forskeren gav modellen offentligt tilgængelige oplysninger om de kendte fejl. Forsøget viste, at modellen kunne hjælpe med at udvikle en kæde mod kendte sårbarheder i en test – ikke at et aktivt offer blev kompromitteret. 6

Skellet er vigtigt: At en model kan fremstille en exploit under testforhold, er et muligt tegn på misbrugsrisiko. Det er ikke det samme som at dokumentere et angreb i praksis. Den tilgængelige rapportering fastslår ikke, at GLM-5.3 blev brugt til at bryde ind hos et virkeligt mål. 56

Hvad resultaterne siger om åbne modeller

Anthropics bekymring er, at bred adgang til modeller, der kan hjælpe med at bygge exploits, kan gavne angribere såvel som forsvarere. Virksomheden har også argumenteret for, at forsvarere bør have adgang til avancerede modeller, så de kan finde og udbedre sårbarheder. 112

Open weights indebærer en vanskelig afvejning. De kan give uafhængige forskere og forsvarere adgang til modellens funktioner, men gør det også lettere for brugere at køre eller ændre modellen uden for udviklerens kontrol. Benchmark- og sikkerhedstestene bidrager til debatten, men afgør ikke i sig selv, om begrænset adgang samlet set ville gøre cybersikkerheden bedre. 412

Den mest præcise konklusion er derfor afgrænset: I Anthropics evaluering nærmede GLM-5.3 sig Mythos Preview på én exploit-test, og de afprøvede metoder kunne omgå modellens sikkerhedsforanstaltninger. NIST’s bredere vurdering placerede stadig GLM-5.3 efter de førende amerikanske modeller, og de beskrevne demonstrationer var ikke angreb mod aktive mål. 1217