Kinesiska Z.ai:s öppna AI-modell GLM-5.3 utmanar Anthropics begränsade Mythos 5 – men säkerhetsglappet kvarstår

Cybersäkerhet: Exploateringsförmåga

• ExploitBench (grundorsaksanalys och generering av fungerande attacker): GLM-5.3 når 54,4% – mer än en fördubbling jämfört med GLM-5.2 (24,4%), men långt efter Mythos 5 på 78,0% och GPT-5.6 Sol på 76,5% . Detta är den tydligaste skillnaden mellan modellerna.
• ExploitGym (avslutade exploateringsuppgifter inom en normaliserad budget på två timmar): GLM-5.3 klarar 105 uppgifter mot GLM-5.2:s 29, men jämförbara siffror för Mythos 5 har inte publicerats .

Övriga riktmärken (kodning och agentbaserade uppgifter)

Observera: Mythos 5 når 80,3% på SWE-bench Pro (agentbaserad kodning), men direkta jämförelser på just dessa riktmärken finns inte för båda modellerna . Alla GLM-5.3:s förbättringar kommer enbart från utökad efterträning – basmodellen på 743 miljarder parametrar tränades inte om .

Öppen källkod och säkerhetsåtgärder

• Försenad viktutgåva: GLM-5.3 finns tillgänglig via API och kodningsplaner omedelbart, men nedladdningsbara öppna vikter är försenade i väntan på en säkerhetsgranskning – minst två veckor, enligt Z.ai . Detta är ett avsteg från GLM-5.2, som släpptes fullt öppen den 16 juni 2026 .
• Tidigare säkerhetsbedömning (GLM-5.2): En utvärdering från CAISI (NIST) i juli 2026 fann att GLM-5.2:s säkerhetsspärrar var ”blandade” – den tillät hjälp med agentbaserad cyberexploatering och visade svagt motstånd mot högriskinstruktioner . En separat rapport från SaferAI visade att GLM-5.2 avvisade 0% av högriskcyberinstruktionerna och hade en 76% sårbarhetsreproduceringsgrad, samtidigt som den bara låg 2–4 månader efter GPT-5.5 i cyberattackförmåga .
• Mythos 5 är raka motsatsen: Anthropic har aldrig gjort Mythos 5 allmänt tillgänglig. Tillgången är begränsad till cirka 200 godkända organisationer (inklusive USA:s regering) inom ramen för Project Glasswing . Anthropic har också delat upp modellen i den sanerade varianten ”Fable 5” för allmänt bruk, som når 0% på offensiva cyberuppgifter .

Industri och regelverk

• Kinesiskt regleringstryck: I juli 2026 höll kinesiska myndigheter möten med ledande AI-företag om att potentiellt begränsa utlandstillgången till Kinas mest avancerade AI-modeller, inklusive de som ännu inte släppts . Detta skapar osäkerhet kring om GLM-5.3:s vikter överhuvudtaget kommer att kunna exporteras fritt.
• Västerländsk utvecklartillväxt: Trots dessa farhågor rapporterar Z.ai att de får allt fler användare bland västerländska utvecklare, och GLM-5.3 håller på att etablera sig som en konkurrenskraftig öppen modell .
• Öppen modell i fatt: TechCrunch rapporterade i augusti 2026 att öppna modeller som GLM-5.2 håller på att komma ifatt de främsta labben när det gäller cyber- och bioförmågor, men att ”säkerhetsglappet kvarstår” – dessa modeller har betydligt svagare avvisningsmekanismer än sina begränsade motsvarigheter .

Viktiga invändningar

1. Z.ai:s egna riktmärken. GLM-5.3:s CyberGym- och ExploitBench-resultat kommer från Z.ai:s egen testmetodik, inte från en oberoende revision .
2. Mythos 5:s resultat kan också vara konservativa. Anthropic rapporterar Mythos 5:s ExploitBench till 78,0% och SWE-bench Pro till 80,3% – siffror från Anthropics egna utvärderingar .
3. ExploitBench-glappet är stort. En skillnad på 23,6 procentenheter i exploatering tyder på att Mythos 5 är betydligt bättre på den farligaste offensiva förmågan – att generera fungerande attacker från grundorsaksanalys .
4. Öppen viktstatus är oklar. GLM-5.3 är ännu inte verkligt öppen; nedladdning är blockerad i väntan på säkerhetsförstärkning. Om vikterna aldrig släpps offentligt minskar skillnaden mot Mythos 5 avsevärt .

Slutsats

GLM-5.3 tar en knapp ledning över Mythos 5 i sårbarhetsdetektering (84,5% mot 83,8% på CyberGym), men ligger betydligt efter i exploatering (54,4% mot 78,0% på ExploitBench). Den öppna viktutgåvan är försenad för säkerhetsgranskning, och föregångaren GLM-5.2 bedömdes ha nästan noll motstånd mot cyberattackinstruktioner. Mythos 5 förblir långt mer begränsad – aldrig allmänt tillgänglig, begränsad till cirka 200 godkända partners – men också långt mer kapabel på den farligaste offensiva uppgiften: att generera fungerande attacker. Den bredare innebörden är att öppna modeller snabbt minskar kapacitetsglappet mot de främsta begränsade modellerna inom cybersäkerhet, samtidigt som säkerhetsspärrarna fortfarande är betydligt svagare. Kinesisk regleringsosäkerhet kring export av toppmodeller lägger ytterligare ett lager av komplexitet kring huruvida GLM-5.3:s vikter någonsin kommer att bli lika fritt tillgängliga som Z.ai:s marknadsföring antyder.