Китайский ИИ GLM-5.3 против Mythos 5: кто выигрывает в кибербезопасности?

14 августа 2026 года китайский стартап Z.ai (ранее Zhipu AI) выпустил модель GLM-5.3 с открытым исходным кодом на базе 743 миллиардов параметров. Она показала лучший результат на бенчмарке CyberGym (84,5%), опередив закрытую модель Mythos 5 от Anthropic (83,8%) и GPT-5.6 Sol от OpenAI (83,6%) . Однако на более сложном тесте ExploitBench, оценивающем способность создавать рабочие эксплойты, GLM-5.3 значительно уступает — 54,4% против 78,0% у Mythos 5 . Сравнение выявило сложную картину: лидерство в обнаружении уязвимостей при явном отставании в эксплуатации, разные подходы к контролю доступа и безопасности, а также неопределённость в регулировании.

Обнаружение уязвимостей (Vulnerability Detection)

• CyberGym (поиск и подтверждение уязвимостей в исходном коде): GLM-5.3 набирает 84,5% — это лучший публично заявленный результат, опережающий Mythos 5 (83,8%) и GPT-5.6 Sol (83,6%) .
• Реальные находки: В ходе постобучения GLM-5.3 выявила 2 436 ранее неизвестных уязвимостей в 269 open-source проектах. В Z.ai говорят, что эта способность «росла быстрее, чем ожидалось» .

Возможности эксплуатации (Exploitation Capabilities)

• ExploitBench (анализ первопричин и генерация эксплойтов): GLM-5.3 набирает 54,4% — рост более чем вдвое по сравнению с предшественником GLM-5.2 (24,4%), но всё ещё значительно уступает Mythos 5 (78,0%) и GPT-5.6 Sol (76,5%) . Это самый заметный разрыв между моделями.
• ExploitGym (завершённые задачи по эксплуатации за два часа): GLM-5.3 выполняет 105 задач против 29 у GLM-5.2, но сопоставимых данных по Mythos 5 на этом метрике нет .

Широкие бенчмарки (программирование и агентные задачи)

Бенчмарк	GLM-5.3	GLM-5.2 (предыдущая версия)
Terminal-Bench 3.0	28,3	4,6
DeepSWE v1.1	66,9	46,2
Agents' Last Exam (CLI)	28,5	23,8
Z.ai Internal Code Bench	~50% улучшение	база

Все улучшения GLM-5.3 получены исключительно за счёт расширенного постобучения — базовая модель с 743B параметров не переобучалась .

Подход к открытости и меры безопасности

• Задержка публикации весов: GLM-5.3 доступна через API и тарифные планы немедленно, но скачиваемые открытые веса отложены как минимум на две недели для проверки и усиления безопасности . Это отличается от GLM-5.2, опубликованного с полностью открытыми весами 16 июня 2026 года.
• Оценка безопасности предшественника (GLM-5.2): В июле 2026 года CAISI (NIST) оценил защитные механизмы GLM-5.2 как «смешанные» — модель допускала помощь в разработке агентных эксплойтов и слабо блокировала高危ные инструкции. Отдельный отчёт SaferAI показал, что GLM-5.2 отклонял 0%高危ных киберинструкций с уровнем воспроизведения уязвимостей в 76%, отставая от GPT-5.5 всего на 2–4 месяца по возможностям кибератак .
• Противоположный подход Mythos 5: Anthropic никогда не делал Mythos 5 публично доступным. Доступ ограничен примерно 200 проверенными организациями (включая правительство США) в рамках программы Project Glasswing . Компания также разделила модель на «санитарный» вариант Fable 5 для широкого использования, который набирает 0% в offensive cyber-задачах .

Контекст регулирования и индустрии

• Давление китайских регуляторов: В июле 2026 года китайские власти провели встречи с ведущими ИИ-компаниями о возможном ограничении доступа за рубеж к передовым китайским моделям, включая ещё не выпущенные . Это создаёт неопределённость: будут ли веса GLM-5.3 свободно экспортироваться?
• Привлекательность для западных разработчиков: Несмотря на опасения, Z.ai сообщает о растущем принятии модели среди западных разработчиков, и GLM-5.3 укрепляет репутацию конкурентоспособной открытой модели .
• Догоняющий рост открытых весов: По данным TechCrunch (август 2026), open-weight модели типа GLM-5.2 догоняют передовые лаборатории по кибер- и биовозможностям, но «разрыв в безопасности остаётся» — у этих моделей значительно слабее механизмы отказа по сравнению с закрытыми аналогами .

Ключевые оговорки

1. Самостоятельные бенчмарки Z.ai. Результаты GLM-5.3 на CyberGym и ExploitBench получены по собственной методологии Z.ai, а не независимым аудитом .
2. Результаты Mythos 5 тоже от Anthropic. Anthropic отчитывается о 78,0% на ExploitBench и 80,3% на SWE-bench Pro — это тоже внутренние оценки .
3. Большой разрыв по ExploitBench. Отставание в 23,6 процентных пункта по эксплуатации указывает, что Mythos 5 значительно лучше в самой опасной наступательной способности — генерации работающих эксплойтов .
4. Статус открытых весов под вопросом. GLM-5.3 пока не является по-настоящему открытой моделью в практическом смысле: скачивание заблокировано до завершения проверки безопасности. Если веса никогда не будут опубликованы, различие с Mythos 5 в плане открытости существенно сузится .

Итог

GLM-5.3 претендует на узкое лидерство перед Mythos 5 в обнаружении уязвимостей (84,5% против 83,8% на CyberGym), но значительно отстаёт в эксплуатации (54,4% против 78,0% на ExploitBench). Публикация открытых весов отложена для проверки безопасности, а предшественник GLM-5.2 был оценён как модель с почти нулевым отказом от инструкций по кибератакам. Mythos 5 остаётся гораздо более закрытой — никогда не публиковалась публично, доступна лишь ~200 проверенным партнёрам — но и значительно более способной в самой опасной наступательной задаче: создании работающих эксплойтов. Более широкий вывод: open-weight модели быстро сокращают разрыв с закрытыми frontier-моделями в киберзадачах, но защитные механизмы остаются существенно слабее. Неопределённость китайского регулирования по экспорту передовых ИИ-моделей добавляет ещё один слой сложности к вопросу, станут ли веса GLM-5.3 столь же свободно доступными, как обещает маркетинг Z.ai.