Detección de vulnerabilidades de ciberseguridad

• CyberGym (identificación y validación de vulnerabilidades en código fuente): GLM-5.3 obtiene un 84.5%, el resultado público más alto reportado, superando a Mythos 5 con un 83.8% y a GPT-5.6 Sol con un 83.6% . Este benchmark evalúa si un modelo puede encontrar y confirmar vulnerabilidades reales a partir del código fuente.
• Volumen en el mundo real: Durante el post-entrenamiento, GLM-5.3 identificó 2,436 vulnerabilidades reales no divulgadas previamente. Z.ai afirma que esta capacidad "creció más rápido de lo anticipado" .

Capacidades de explotación

• ExploitBench (razonamiento sobre la causa raíz y generación de exploits funcionales): GLM-5.3 obtiene un 54.4%, más del doble que su predecesor GLM-5.2 (24.4%), pero muy por detrás de Mythos 5 con un 78.0% y GPT-5.6 Sol con un 76.5% . Esta es la brecha más clara entre los dos modelos.
• ExploitGym (tareas de explotación completadas en un presupuesto de tiempo normalizado de dos horas): GLM-5.3 completa 105 tareas frente a las 29 de GLM-5.2, pero no se han publicado datos comparables de Mythos 5 en esta métrica específica .

Benchmarks generales (codificación y tareas de agente)

Nota: Mythos 5 obtiene un 80.3% en SWE-bench Pro (codificación de agente), pero no hay comparaciones directas en estos benchmarks específicos entre ambos modelos . Todas las ganancias de GLM-5.3 provinieron únicamente de un post-entrenamiento expandido; el modelo base de 743B no fue re-entrenado .

Enfoque de código abierto y medidas de seguridad

• Lanzamiento de pesos abiertos retrasado: GLM-5.3 está disponible a través de API y planes de codificación de inmediato, pero los pesos abiertos descargables se publicarán por etapas, pendientes de una revisión de seguridad — un retraso de al menos dos semanas, según Z.ai . Esto marca un cambio respecto a GLM-5.2, que se lanzó con pesos completamente abiertos el 16 de junio de 2026 .
• Evaluación de seguridad previa (GLM-5.2): Una evaluación de julio de 2026 de CAISI (NIST) encontró que las salvaguardas de GLM-5.2 eran "mixtas": permitía ayudar en el desarrollo de exploits de ciberseguridad y mostraba un débil rechazo a instrucciones de alto riesgo . Un informe separado de SaferAI encontró que GLM-5.2 rechazaba el 0% de las instrucciones de ciberataque de alto riesgo y tenía una tasa de reproducción de vulnerabilidades del 76%, quedando solo 2 a 4 meses por detrás de GPT-5.5 en capacidad de ciberataque .
• El enfoque de Mythos 5 es el opuesto: Anthropic nunca ha puesto Mythos 5 a disposición del público. Su acceso está restringido a unas 200 organizaciones verificadas (incluido el gobierno de EE. UU.) bajo el programa Project Glasswing . Anthropic también dividió el modelo en una variante saneada, "Fable 5", para uso general, que obtiene un .

Contexto industrial y regulatorio

• Presión regulatoria china: En julio de 2026, las autoridades chinas mantuvieron reuniones con las principales empresas de IA para discutir la posibilidad de restringir el acceso en el extranjero a los modelos de IA más avanzados de China, incluidos los no lanzados . Esto genera incertidumbre sobre si los pesos de GLM-5.3 finalmente se exportarán libremente.
• Adopción por parte de desarrolladores occidentales: A pesar de estas preocupaciones, Z.ai informa de una creciente adopción entre los desarrolladores occidentales, y GLM-5.3 está ganando credibilidad como un modelo de código abierto competitivo en la frontera de la IA .
• Acercamiento general de los modelos de pesos abiertos: TechCrunch informó en agosto de 2026 que los modelos de pesos abiertos como GLM-5.2 están alcanzando a los laboratorios fronterizos en capacidades cibernéticas y biológicas, pero la "brecha de seguridad persiste": estos modelos tienen mecanismos de rechazo mucho más débiles que sus contrapartes restringidas .

Advertencias clave

1. Benchmarks auto-reportados por Z.ai. Las puntuaciones de GLM-5.3 en CyberGym y ExploitBench provienen de la propia metodología de pruebas de Z.ai, no de una auditoría independiente de terceros .
2. Las puntuaciones de Mythos 5 también podrían ser conservadoras. Anthropic reporta ExploitBench de Mythos 5 en 78.0% y SWE-bench Pro en 80.3% — cifras que provienen de sus propias evaluaciones .
3. La brecha en ExploitBench es grande. Una diferencia de 23.6 puntos porcentuales en explotación sugiere que Mythos 5 es sustancialmente mejor en la capacidad ofensiva más peligrosa: generar exploits funcionales a partir del análisis de la causa raíz .
4. El estado de los pesos abiertos está pendiente. GLM-5.3 aún no es realmente de pesos abiertos; la descarga está bloqueada a la espera de un endurecimiento de la seguridad. Si los pesos nunca se publican, la distinción de "código abierto" frente a Mythos 5 se reduce considerablemente .

Conclusión

GLM-5.3 afirma un estrecho liderazgo sobre Mythos 5 en la detección de vulnerabilidades (84.5% frente a 83.8% en CyberGym), pero queda significativamente rezagado en la explotación (54.4% frente a 78.0% en ExploitBench). Su lanzamiento como pesos abiertos está retrasado por una revisión de seguridad, y su predecesor, GLM-5.2, fue evaluado como con un rechazo casi nulo a las instrucciones de ciberataque. Mythos 5 sigue siendo mucho más restringido —nunca disponible públicamente, limitado a unas 200 organizaciones verificadas— pero también mucho más capaz en la tarea ofensiva más peligrosa: generar exploits funcionales. La implicación más amplia es que los modelos de pesos abiertos están cerrando rápidamente la brecha de capacidades con los modelos restringidos fronterizos en tareas cibernéticas, mientras que las salvaguardas de seguridad siguen siendo sustancialmente más débiles. La incertidumbre regulatoria china sobre la exportación de los mejores modelos de IA añade otra capa de complejidad sobre si los pesos de GLM-5.3 llegarán a ser tan libremente accesibles como sugiere el marketing de Z.ai.

Detección de vulnerabilidades de ciberseguridad

• CyberGym (identificación y validación de vulnerabilidades en código fuente): GLM-5.3 obtiene un 84.5%, el resultado público más alto reportado, superando a Mythos 5 con un 83.8% y a GPT-5.6 Sol con un 83.6% . Este benchmark evalúa si un modelo puede encontrar y confirmar vulnerabilidades reales a partir del código fuente.
• Volumen en el mundo real: Durante el post-entrenamiento, GLM-5.3 identificó 2,436 vulnerabilidades reales no divulgadas previamente. Z.ai afirma que esta capacidad "creció más rápido de lo anticipado" .

Capacidades de explotación

• ExploitBench (razonamiento sobre la causa raíz y generación de exploits funcionales): GLM-5.3 obtiene un 54.4%, más del doble que su predecesor GLM-5.2 (24.4%), pero muy por detrás de Mythos 5 con un 78.0% y GPT-5.6 Sol con un 76.5% . Esta es la brecha más clara entre los dos modelos.
• ExploitGym (tareas de explotación completadas en un presupuesto de tiempo normalizado de dos horas): GLM-5.3 completa 105 tareas frente a las 29 de GLM-5.2, pero no se han publicado datos comparables de Mythos 5 en esta métrica específica .

Benchmarks generales (codificación y tareas de agente)

Nota: Mythos 5 obtiene un 80.3% en SWE-bench Pro (codificación de agente), pero no hay comparaciones directas en estos benchmarks específicos entre ambos modelos . Todas las ganancias de GLM-5.3 provinieron únicamente de un post-entrenamiento expandido; el modelo base de 743B no fue re-entrenado .

Enfoque de código abierto y medidas de seguridad

• Lanzamiento de pesos abiertos retrasado: GLM-5.3 está disponible a través de API y planes de codificación de inmediato, pero los pesos abiertos descargables se publicarán por etapas, pendientes de una revisión de seguridad — un retraso de al menos dos semanas, según Z.ai . Esto marca un cambio respecto a GLM-5.2, que se lanzó con pesos completamente abiertos el 16 de junio de 2026 .
• Evaluación de seguridad previa (GLM-5.2): Una evaluación de julio de 2026 de CAISI (NIST) encontró que las salvaguardas de GLM-5.2 eran "mixtas": permitía ayudar en el desarrollo de exploits de ciberseguridad y mostraba un débil rechazo a instrucciones de alto riesgo . Un informe separado de SaferAI encontró que GLM-5.2 rechazaba el 0% de las instrucciones de ciberataque de alto riesgo y tenía una tasa de reproducción de vulnerabilidades del 76%, quedando solo 2 a 4 meses por detrás de GPT-5.5 en capacidad de ciberataque .
• El enfoque de Mythos 5 es el opuesto: Anthropic nunca ha puesto Mythos 5 a disposición del público. Su acceso está restringido a unas 200 organizaciones verificadas (incluido el gobierno de EE. UU.) bajo el programa Project Glasswing . Anthropic también dividió el modelo en una variante saneada, "Fable 5", para uso general, que obtiene un .

Contexto industrial y regulatorio

• Presión regulatoria china: En julio de 2026, las autoridades chinas mantuvieron reuniones con las principales empresas de IA para discutir la posibilidad de restringir el acceso en el extranjero a los modelos de IA más avanzados de China, incluidos los no lanzados . Esto genera incertidumbre sobre si los pesos de GLM-5.3 finalmente se exportarán libremente.
• Adopción por parte de desarrolladores occidentales: A pesar de estas preocupaciones, Z.ai informa de una creciente adopción entre los desarrolladores occidentales, y GLM-5.3 está ganando credibilidad como un modelo de código abierto competitivo en la frontera de la IA .
• Acercamiento general de los modelos de pesos abiertos: TechCrunch informó en agosto de 2026 que los modelos de pesos abiertos como GLM-5.2 están alcanzando a los laboratorios fronterizos en capacidades cibernéticas y biológicas, pero la "brecha de seguridad persiste": estos modelos tienen mecanismos de rechazo mucho más débiles que sus contrapartes restringidas .

Advertencias clave

1. Benchmarks auto-reportados por Z.ai. Las puntuaciones de GLM-5.3 en CyberGym y ExploitBench provienen de la propia metodología de pruebas de Z.ai, no de una auditoría independiente de terceros .
2. Las puntuaciones de Mythos 5 también podrían ser conservadoras. Anthropic reporta ExploitBench de Mythos 5 en 78.0% y SWE-bench Pro en 80.3% — cifras que provienen de sus propias evaluaciones .
3. La brecha en ExploitBench es grande. Una diferencia de 23.6 puntos porcentuales en explotación sugiere que Mythos 5 es sustancialmente mejor en la capacidad ofensiva más peligrosa: generar exploits funcionales a partir del análisis de la causa raíz .
4. El estado de los pesos abiertos está pendiente. GLM-5.3 aún no es realmente de pesos abiertos; la descarga está bloqueada a la espera de un endurecimiento de la seguridad. Si los pesos nunca se publican, la distinción de "código abierto" frente a Mythos 5 se reduce considerablemente .

Conclusión

GLM-5.3 afirma un estrecho liderazgo sobre Mythos 5 en la detección de vulnerabilidades (84.5% frente a 83.8% en CyberGym), pero queda significativamente rezagado en la explotación (54.4% frente a 78.0% en ExploitBench). Su lanzamiento como pesos abiertos está retrasado por una revisión de seguridad, y su predecesor, GLM-5.2, fue evaluado como con un rechazo casi nulo a las instrucciones de ciberataque. Mythos 5 sigue siendo mucho más restringido —nunca disponible públicamente, limitado a unas 200 organizaciones verificadas— pero también mucho más capaz en la tarea ofensiva más peligrosa: generar exploits funcionales. La implicación más amplia es que los modelos de pesos abiertos están cerrando rápidamente la brecha de capacidades con los modelos restringidos fronterizos en tareas cibernéticas, mientras que las salvaguardas de seguridad siguen siendo sustancialmente más débiles. La incertidumbre regulatoria china sobre la exportación de los mejores modelos de IA añade otra capa de complejidad sobre si los pesos de GLM-5.3 llegarán a ser tan libremente accesibles como sugiere el marketing de Z.ai.