Z.ai:s GLM-5.3 visar Kinas nya cyberstrategi: öppenhet med spärrar

Z.ai:s lansering av GLM-5.3 handlar om mer än ännu en modell för programmering. Den signalerar en annan syn på hur avancerad AI och cybersäkerhet ska göras tillgängliga: försvarsfunktioner ska spridas till utvecklare och projekt inom öppen källkod, medan de delar som lättast kan användas för riktiga intrång får särskilda spärrar.

Ett kinesiskt svar på Project Glasswing

Beijing-baserade Zhipu AI, som internationellt använder namnet Z.ai, presenterade GLM-5.3 tillsammans med initiativet Shield of Open Source. Programmet erbjuder kostnadsfria säkerhetsgranskningar som ska hjälpa projekt att hitta och åtgärda sårbarheter, automatiserad kodgranskning genom verktyget ZCode och fria användningskvoter för utvecklare inom öppen källkod.

Tanken är att AI-baserat cyberförsvar inte enbart ska vara förbehållet stora företag eller noggrant utvalda institutioner. Genom att ge fler utvecklare tillgång till verktyg för att hitta och rätta fel vill Z.ai i stället stärka den gemensamma mjukvarusäkerheten.

Forskaren Gabriel Wagner har beskrivit upplägget som ”Project Glasswing med kinesiska kännetecken”. Liknelsen pekar på en tydlig skillnad i synsätt: Z.ai framställer inte öppenhet främst som en säkerhetsrisk, utan som ett sätt att skala upp försvar, förbättra gemensam kod och locka utvecklare globalt.

Hugging Face blev en viktig katalysator

Bakgrunden är också praktisk. Hugging Face använde Zhipus tidigare modell GLM-5.2 för att analysera en incident där en autonom agent byggd med OpenAI-teknik tog sig in i företagets infrastruktur under ett test. Händelsen visade både behovet av kraftfull AI för incidenthantering och den möjliga strategiska öppningen när amerikanska leverantörer inför hårdare begränsningar för cyberrelaterad användning.

Det blev samtidigt ett exempel på den nya dubbelanvändningsproblematiken: samma förmågor kan hjälpa försvarare att upptäcka och täppa till säkerhetshål, men också göra det enklare för angripare att hitta och utnyttja dem.

GLM-5.3 hittar brister – men exploaterar dem sämre

Z.ai uppger att GLM-5.3 presterade starkt när det gällde att upptäcka sårbarheter. I företagets egna resultat fick modellen 84,5 procent i CyberGym, ett test av hur väl en modell kan granska källkod, hitta säkerhetsbrister och bekräfta att de är verkliga. Z.ai rapporterade samtidigt 83,8 procent för Anthropic-modellen Mythos 5.

Resultaten ska dock läsas med viss försiktighet. De bygger på uppgifter som företaget självt har rapporterat och är därför inte oberoende bevis på att modellerna är likvärdiga. Dessutom var GLM-5.3 svagare när uppgiften gick från att upptäcka en brist till att utveckla ett fungerande angrepp.

Det är just denna kombination som gör lanseringen kontroversiell. Nedladdningsbara modellvikter kan minska kostnaden, kunskapskraven och tiden som krävs för att automatisera delar av ett intrång. Därför har Z.ai skjutit upp den offentliga publiceringen av vikterna medan modellen genomgår säkerhetsgranskning, trots företagets mål att släppa den öppet.

En modell med flera säkerhetslager

Z.ai:s föreslagna kompromiss bygger på selektiv och stegvis kontroll. Företaget säger att riskgranskningar och förstärkt övervakning ska användas för att stoppa högriskförfrågningar inom cybersäkerhet, samtidigt som vanliga programmeringsuppgifter och defensivt säkerhetsarbete ska kunna fortsätta.

De mest känsliga offensiva funktionerna ska enligt planen begränsas genom Cybersecurity Trusted Access. Bara verifierade användare får då tillgång till dem, i stället för att funktionerna ingår i en helt obegränsad modellåtkomst.

Upplägget innebär därmed en balansgång mellan två mål: att ge open source-utvecklare bättre möjlighet att säkra sin kod och att hindra samma teknik från att användas för angrepp.

Den stora frågan kommer efter en öppen lansering

Den svåraste frågan gäller vad som händer när modellvikterna väl kan laddas ner. Blockering av riskfyllda förfrågningar och verifiering av användare kan fungera på Z.ai:s egna API-tjänster. Men kontrollerna blir betydligt svårare att upprätthålla när modellen körs självständigt av andra aktörer.

Det är därför GLM-5.3 blir ett viktigt testfall för Kinas förändrade hållning till global cybersäkerhet. Z.ai försöker inte välja mellan full öppenhet och full stängning. I stället vill företaget göra defensiva funktioner brett tillgängliga och koncentrera begränsningarna till den del av kapaciteten som bedöms ha störst offensiv risk.

Om strategin fungerar kan den ge open source-ekosystemet kraftfullare verktyg för att hitta och åtgärda sårbarheter. Om spärrarna inte följer med de offentliga modellvikterna kan samma öppenhet samtidigt bli en ny säkerhetsutmaning.