中国AIスタートアップZ.aiの「GLM-5.3」vs Anthropic「Mythos 5」：サイバーセキュリティ検出で僅差、しかし悪用能力で大差——オープンソース戦略と安全性の課題

エクスプロイト（悪用）能力

• ExploitBench（根本原因分析と動作するエクスプロイト生成）：GLM-5.3のスコアは 54.4% で、前世代のGLM-5.2（24.4%）から2倍以上に向上したものの、Mythos 5の78.0% やGPT-5.6 Solの76.5% には大きく及びません。これが両モデル間の最も明確な能力差です。
• ExploitGym（2時間の制限時間内での完了タスク数）：GLM-5.3は 105タスク を完了し、GLM-5.2の29タスクから大幅に増加しました。ただし、この指標でのMythos 5のスコアは横並びで公開されていません。

他のベンチマーク（コーディング・エージェントタスク）

注：Mythos 5はエージェント型コーディングベンチマーク「SWE-bench Pro」で80.3%を記録していますが、これらの特定のベンチマークでの直接比較データはありません。GLM-5.3の性能向上はすべて拡張されたポストトレーニングのみに起因しており、ベースとなる743Bモデル自体は再トレーニングされていません。

オープンソース戦略と安全策

• オープンウェイト公開の遅延：GLM-5.3はAPIとコーディングプランでは即時利用可能ですが、ダウンロード可能なオープンウェイトは安全性審査を経た後の公開となり、Z.aiによれば少なくとも2週間の遅延が見込まれます。これは、2026年6月16日に完全なオープンウェイトモデルとしてリリースされたGLM-5.2からの方針転換です。
• 先行モデルGLM-5.2の安全性評価：NIST（米国国立標準技術研究所）傘下のCAISIによる2026年7月の評価では、GLM-5.2のセーフガードは「混合的」で、エージェント型のサイバーエクスプロイト開発を支援し、高リスク指示への拒否が弱いとされました。別のSafeAIの報告書では、GLM-5.2が高リスクのサイバー指示を0%拒否し、脆弱性再現率が76% に達し、サイバー攻撃能力でGPT-5.5にわずか2～4ヶ月差まで迫っていると指摘されています。
• Mythos 5の真逆のアプローチ：AnthropicはMythos 5を一般公開したことはありません。アクセスは**「Project Glasswing」** のもと、米国政府を含む約200の審査済み組織に限定されています。Anthropicはまた、一般利用向けに無害化した派生モデル「Fable 5」を公開しており、こちらは攻撃的サイバータスクで0% のスコアです。

業界・規制をめぐる状況

• 中国政府の規制圧力：2026年7月、中国当局はトップAI企業と、未発表モデルを含む最先端AIモデルの海外アクセスを制限する可能性について会合を開きました。これにより、GLM-5.3のウェイトが最終的に自由に輸出されるかどうかは不透明になっています。
• 欧米の開発者からの支持：こうした懸念にもかかわらず、Z.aiは欧米の開発者の間で採用が拡大していると報告しており、GLM-5.3はフロンティアレベルに競合するオープンソースモデルとしての信頼性を高めています。
• オープンウェイトモデルのキャッチアップ：TechCrunchは2026年8月、GLM-5.2のようなオープンウェイトモデルはサイバーやバイオ能力でフロンティアラボに追いつきつつあるが、「安全性のギャップは残っている」と報じています。これらのモデルは、制限されたモデルと比較して拒否メカニズムが著しく弱いのです。

重要な注意点

1. Z.aiの自己報告ベンチマーク：GLM-5.3のCyberGymとExploitBenchのスコアはZ.ai自身のテスト方法論によるものであり、第三者による独立した監査を受けたものではありません。
2. Mythos 5のスコアも控えめな可能性：AnthropicはMythos 5のExploitBenchを78.0%、SWE-bench Proを80.3%と報告していますが、これらもAnthropic自身の評価による数値です。
3. ExploitBenchの差は大きい：23.6ポイントの差は、Mythos 5が最も危険な攻撃能力——根本原因分析から動作するエクスプロイトを生成すること——において、はるかに優れていることを示唆しています。
4. オープンウェイトのステータスは未確定：GLM-5.3はまだ事実上オープンウェイトではなく、安全性の強化が完了するまでダウンロードはブロックされています。もしウェイトが最終的に公開されなければ、Mythos 5との「オープンソース」という差別化は大きく縮まります。

結論

GLM-5.3は脆弱性の検出（CyberGymで84.5%対83.8%）ではMythos 5に対して僅差でリードを主張していますが、悪用（ExploitBenchで54.4%対78.0%）では大きく劣ります。オープンウェイトの公開は安全性審査のために遅延しており、その前身であるGLM-5.2はサイバー攻撃指示の拒否率がほぼゼロと評価されていました。Mythos 5は依然としてはるかに厳しく制限されており——一般公開はなく、約200の審査済みパートナーに限定——しかし、最も危険な攻撃タスク（動作するエクスプロイトの生成）においてははるかに高い能力を持っています。より広い意味では、オープンウェイトモデルはサイバータスクにおいてフロンティアの制限モデルとの能力差を急速に縮めている一方で、安全策は著しく弱いままです。中国の最先端AIモデル輸出に関する規制の不確実性は、Z.aiのマーケティングが示唆するほどGLM-5.3のウェイトが自由に利用可能になるかどうかに、さらなる複雑さをもたらしています。