AI-exportkontrollen faller: Så kollapsade frontlinjen – Kinas öppna modeller och destillationsattacker

Prestanda inom cybersäkerhet:

• I Semgreps oberoende tester nådde GLM-5.2 39% F1 vid IDOR-detektering, vilket slog Claude Code (32%) till en kostnad av cirka 0,17 dollar per hittad sårbarhet – en bråkdel av priset för proprietära alternativ .
• Enligt en rapport i Wall Street Journal matchade GLM-5.2 Anthropics Mythos vid att hitta säkerhetsbuggar i riktade Semgrep-tester .
• Modellen uppnådde 81,0 på Terminal-Bench 2.1 (jämfört med 63,5 för GLM 5.1) och överträffade Claude Opus 4.8 på verktygsriktmärket MCP-Atlas (77,0 mot 75,3) .
• Artificial Analysis rankade den som världens bästa modell med öppna vikter och bland de tre främsta totalt sett .
• På Simbians Cyber Defense Benchmark kom den på fjärde plats och slog Opus 4.8, Opus 4.7, GPT-5 och GPT-5.5 .

Kostnadsfördel: Modellen körs till cirka 1/6 av kostnaden per token jämfört med motsvarande proprietära amerikanska frontlinjemodeller, och vikterna kan laddas ner för självhostning utan API-avgifter .

Viktig invändning: Miles Brundage på AVERI har offentligt erbjudit ett 100-mot-1-spel som bestrider WSJ:s påstående att GLM-5.2 verkligen matchar Mythos inom cybersäkerhet, och menar att jämförelsen baseras på ett smalt test . Likheten gäller specifika Semgrep-tester, men generaliserar inte nödvändigtvis.

2. 360 Securitys ”Tulongfeng”: Inhemsk sårbarhetsdetektering

Den 24 juni 2026 presenterade den kinesiska cybersäkerhetsjätten 360 Security Technology (Qihoo 360) på ISC.AI-konferensen i Peking två AI-drivna cybersäkerhetsverktyg :

• Tulongfeng – ett AI-system för att automatiskt upptäcka programvarusårbarheter, explicit beskrivet av grundaren Zhou Hongyi som ”Kinas version av Mythos” .
• Yitianzhen – en plattform för att automatisera cyberförsvar och incidenthantering .

Zhou Hongyi konstaterade att Kina ”inte hade råd att sakna” en inhemsk motsvarighet till Mythos, och beskrev det som en strategisk cyberförmåga . Verktygen byggdes för att matcha frontlinjeklassens AI-hotdetektering utan att vara beroende av begränsade amerikanska modeller eller hårdvara . Enligt rapporter har Tulongfeng redan identifierat över 3 400 sårbarheter, varav 105 har bekräftats i Kinas CNVD-databas .

3. Anthropics anklagelse mot Alibaba: Destillation som kringgångsmetod

Den 24–25 juni 2026 skickade Anthropic ett brev till amerikanska senatorer (daterat 10 juni) där man anklagade Alibaba och dess AI-labb Qwen för att ha utfört ”den största kända destillationsattacken” mot sin Claude-modell .

Viktiga detaljer från brevet:

• Operatörerna använde cirka 25 000 bedrägliga konton för att genomföra fler än 28,8 miljoner interaktioner med Claude mellan 22 april och 5 juni 2026 .
• Kampanjen syftade till att extrahera modellens förmågor genom destillation – att träna Alibabas egna modeller på Claudes utdata – och på så sätt kringgå USA:s exportkontroller som begränsar direkt överföring av modellvikter .
• Anthropic beskrev operationen som ”fräck” och ”olaglig” .

Alibaba har inte offentligt medgett något fel . Destillation är en metod som i praktiken gör hårdvarubaserade exportkontroller mindre relevanta, eftersom kunskap (snarare än vikter) överförs, och den tränade modellen kan köras på den lokala beräkningskapacitet som finns tillgänglig.

Vad detta betyder för USA:s exportkontroll

Den samlade effekten är ett strategiskt slag mot Washingtons ramverk:

Vad detta innebär för kostnaden och tillgängligheten av cybersäkerhetsverktyg

1. Kostnaden rasar. Semgreps tester visade att GLM-5.2 hittar sårbarheter för cirka 0,17 dollar per exploit jämfört med betydligt högre kostnader per sårbarhet för proprietära amerikanska modeller . Den öppna MIT-licensen innebär inga licensavgifter. 360:s verktyg är inhemska produkter för den kinesiska marknaden, sannolikt prissatta under amerikanska alternativ .

2. Tillgängligheten ökar dramatiskt.

• Alla säkerhetsteam med måttlig GPU-infrastruktur kan självhosta GLM-5.2 för automatiserad kodgranskning .
• Kinesiska företag och statsanknutna enheter har nu direkt tillgång till automatiserade verktyg för att hitta nolldagarsårbarheter (Tulongfeng) som tidigare endast fanns hos amerikanska labb under strikt kontroll .
• Kombinationen av öppna AI-modeller, destillation och inhemska verktyg innebär att avancerad AI inom cybersäkerhet inte längre är ett amerikanskt monopol, till vilket pris som helst .

3. Gränsen mellan anfall och försvar suddas ut. Samma GLM-5.2-modell som hittar buggar för 0,17 dollar styck, och samma Tulongfeng-verktyg, kan användas både för att åtgärda sårbarheter och för att upptäcka offensiva exploit. Med öppna vikter och inget tillsynslager är det svårt att skilja försvarsanvändning från offensiv användning .

Slutsatsen: Exportkontrollparadigmet utgick från att begränsningar av NVIDIA-chipp och modellvikter skulle hålla Kinas frontlinje-AI-förmåga 2–3 generationer efter. GLM-5.2 (öppna vikter, MIT-licensierad, matchar amerikansk frontlinje på specifika cybersäkerhetsriktmärken till 1/6 av kostnaden), Tulongfeng (inhemskt Mythos-klassverktyg) och Alibaba-destillationsepisoden visar gemensamt att kunskap, förmåga och tillgång redan har undkommit kontrollregimen. Avancerade cybersäkerhetsverktyg har på bara några veckor gått från att vara knappa, enbart amerikanska och dyra produkter till globalt tillgängliga, lågkostnadstillgångar som är öppna för alla.