GLM-5.3 vs Mythos 5: ศึกชิงบัลลังก์ AI ไซเบอร์ ระหว่างโอเพนซอร์สจีนกับระบบปิดสหรัฐฯ

ในวันที่ 14 สิงหาคม 2026 Z.ai (ชื่อเดิม Zhipu AI) สตาร์ทอัพ AI ชื่อดังของจีน เปิดตัว GLM-5.3 โมเดลโอเพนซอร์สบนฐานขนาด 743 พันล้านพารามิเตอร์ ซึ่งสร้างผลลัพธ์ระดับแนวหน้าบนเกณฑ์ชี้วัด CyberGym สำหรับการตรวจจับช่องโหว่ ด้วยคะแนน 84.5% แซงหน้า Mythos 5 โมเดลที่ถูกควบคุมอย่างเข้มงวดของ Anthropic (83.8%) และ GPT-5.6 Sol ของ OpenAI (83.6%) ได้อย่างฉิวเฉียด อย่างไรก็ตาม GLM-5.3 ยังตามหลัง Mythos 5 แบบขาดลอยในด้านการพัฒนา Exploit จริง (54.4% เทียบกับ 78.0% บน ExploitBench) และการปล่อย Open Weights ยังถูกเลื่อนออกไปเพื่อรอการตรวจสอบความปลอดภัย การเปรียบเทียบนี้เผยให้เห็นภาพที่ซับซ้อน ทั้งความเป็นผู้นำที่แคบในด้านการตรวจจับ และช่องว่างที่ชัดเจนในด้านการโจมตี รวมถึงความแตกต่างด้านการควบคุม การเข้าถึง มาตรการความปลอดภัย และบริบทด้านกฎระเบียบ

การตรวจจับช่องโหว่ทางไซเบอร์

• CyberGym (การระบุและยืนยันช่องโหว่แบบ White-box): GLM-5.3 ทำคะแนน 84.5% ซึ่งเป็นผลลัพธ์สูงสุดที่รายงานต่อสาธารณะ — นำหน้า Mythos 5 ที่ 83.8% และ GPT-5.6 Sol ที่ 83.6% เกณฑ์ชี้วัดนี้ทดสอบว่าโมเดลสามารถค้นหาและยืนยันช่องโหว่จริงจาก Source Code ได้หรือไม่
• ปริมาณในโลกจริง: ระหว่างการฝึกอบรมต่อยอด GLM-5.3 ระบุ ช่องโหว่จริงถึง 2,436 รายการ ที่ไม่เคยถูกเปิดเผยมาก่อน ซึ่งเป็นความสามารถที่ Z.ai บอกว่า "เติบโตเร็วกว่าที่คาดการณ์ไว้"

ความสามารถในการโจมตี (Exploitation)

• ExploitBench (การวิเคราะห์สาเหตุของปัญหาและการสร้าง Exploit ที่ใช้งานได้): GLM-5.3 ทำคะแนน 54.4% — ซึ่งมากกว่า GLM-5.2 รุ่นก่อนหน้า (24.4%) ถึงเท่าตัว แต่ยังตามหลัง Mythos 5 ที่ 78.0% และ GPT-5.6 Sol ที่ 76.5% อยู่มาก นี่คือช่องว่างที่ชัดเจนที่สุดระหว่างสองโมเดล
• ExploitGym (จำนวนงาน Exploitation ที่ทำสำเร็จภายใต้กรอบเวลา 2 ชั่วโมง): GLM-5.3 ทำสำเร็จ 105 งาน เทียบกับ GLM-5.2 ที่ 29 งาน แต่ยังไม่มีข้อมูลของ Mythos 5 สำหรับเกณฑ์ชี้วัดนี้มาเปรียบเทียบแบบเคียงข้างกัน

เกณฑ์ชี้วัดอื่นๆ (งานเขียนโค้ดและงานแบบ Agentic)

เกณฑ์ชี้วัด	GLM-5.3	GLM-5.2 (รุ่นก่อนหน้า)
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	พัฒนาขึ้น ~50%	จุดเริ่มต้น

หมายเหตุ: Mythos 5 ทำคะแนน 80.3% บน SWE-bench Pro (การเขียนโค้ดอัตโนมัติ) แต่ยังไม่มีการเปรียบเทียบโดยตรงระหว่างทั้งสองโมเดลบนเกณฑ์ชี้วัดเฉพาะเหล่านี้ การปรับปรุงทั้งหมดของ GLM-5.3 มาจากการขยายการฝึกอบรมต่อยอดเท่านั้น — โมเดลฐาน 743 พันล้านพารามิเตอร์ไม่ได้ถูกฝึกใหม่

แนวทางโอเพนซอร์สและมาตรการความปลอดภัย

• การปล่อย Open Weights ที่ล่าช้า: GLM-5.3 สามารถใช้งานได้ทันทีผ่าน API และแผนการเขียนโค้ด แต่ การดาวน์โหลด Open Weights ถูกเลื่อนออกไปเพื่อรอการตรวจสอบความปลอดภัย — ซึ่งจะล่าช้าอย่างน้อยสองสัปดาห์ ตามที่ Z.ai ระบุ การเปลี่ยนแปลงนี้ชัดเจนเมื่อเทียบกับ GLM-5.2 ที่ถูกปล่อยออกมาแบบ Open Weights เต็มรูปแบบเมื่อวันที่ 16 มิถุนายน 2026
• การประเมินความปลอดภัยก่อนหน้า (GLM-5.2): ในเดือนกรกฎาคม 2026 การประเมินของ CAISI (NIST) พบว่ามาตรการป้องกันของ GLM-5.2 นั้น "หลากหลาย" — โมเดลอนุญาตให้ช่วยเหลือในการพัฒนา Exploit ทางไซเบอร์แบบอัตโนมัติ และแสดงการปฏิเสธคำสั่งที่มีความเสี่ยงสูงที่อ่อนแอ รายงานแยกต่างหากจาก SaferAI พบว่า GLM-5.2 ปฏิเสธ 0% ของคำสั่งทางไซเบอร์ที่มีความเสี่ยงสูง และมี อัตราการทำซ้ำช่องโหว่ถึง 76% โดยตามหลัง GPT-5.5 ในด้านความสามารถในการโจมตีทางไซเบอร์เพียง 2–4 เดือน
• แนวทางของ Mythos 5 ตรงกันข้ามโดยสิ้นเชิง: Anthropic ไม่เคยทำให้ Mythos 5 เปิดให้สาธารณชนเข้าถึงได้ การเข้าถึงถูกจำกัดไว้เฉพาะ องค์กรที่ผ่านการคัดกรองประมาณ 200 แห่ง (รวมถึงรัฐบาลสหรัฐฯ) ภายใต้ Project Glasswing Anthropic ยังได้แยกโมเดลออกเป็นรุ่นที่ปลอดภัยกว่า "Fable 5" สำหรับการใช้งานทั่วไป ซึ่งทำคะแนน 0% ในงานโจมตีทางไซเบอร์

บริบทอุตสาหกรรมและกฎระเบียบ

• แรงกดดันด้านกฎระเบียบของจีน: ในเดือนกรกฎาคม 2026 ทางการจีนได้จัดการประชุมกับบริษัท AI ชั้นนำเกี่ยวกับการ จำกัดการเข้าถึงโมเดล AI ที่ล้ำหน้าที่สุดของจีนในต่างประเทศ รวมถึงโมเดลที่ยังไม่ได้เปิดตัว สิ่งนี้สร้างความไม่แน่นอนว่าน้ำหนักของ GLM-5.3 จะถูกส่งออกได้อย่างเสรีหรือไม่
• แรงดึงดูดจากนักพัฒนาตะวันตก: แม้จะมีข้อกังวลเหล่านี้ Z.ai รายงานการนำไปใช้ที่เพิ่มขึ้นในหมู่นักพัฒนาตะวันตก และ GLM-5.3 กำลังได้รับความน่าเชื่อถือในฐานะโมเดลโอเพนซอร์สที่มีความสามารถเทียบเท่าระดับแนวหน้า
• การไล่ตามของ Open-Weight ทั่วไป: TechCrunch รายงานในเดือนสิงหาคม 2026 ว่าโมเดล Open-Weight เช่น GLM-5.2 กำลังไล่ตามห้องปฏิบัติการชั้นนำในด้านความสามารถทางไซเบอร์และชีวภาพ แต่ "ช่องว่างด้านความปลอดภัยยังคงอยู่" — โมเดลเหล่านี้มีกลไกการปฏิเสธที่อ่อนแอกว่ารุ่นที่ถูกควบคุม

ข้อควรระวังที่สำคัญ

1. เกณฑ์ชี้วัดที่รายงานโดย Z.ai เอง คะแนน CyberGym และ ExploitBench ของ GLM-5.3 มาจากระเบียบวิธีทดสอบของ Z.ai เอง ไม่ใช่การตรวจสอบโดยบุคคลที่สามที่เป็นอิสระ
2. คะแนนของ Mythos 5 อาจเป็นการประเมินที่ต่ำเกินไป Anthropic รายงาน ExploitBench ของ Mythos 5 ที่ 78.0% และ SWE-bench Pro ที่ 80.3% — ตัวเลขที่มาจากการประเมินของ Anthropic เอง
3. ช่องว่างของ ExploitBench มีขนาดใหญ่ ช่องว่าง 23.6 จุดเปอร์เซ็นต์ในด้านการโจมตีชี้ให้เห็นว่า Mythos 5 มีความสามารถที่ดีกว่าอย่างมากในความสามารถเชิงรุกที่อันตรายที่สุด — การสร้าง Exploit ที่ใช้งานได้จากการวิเคราะห์สาเหตุของปัญหา
4. สถานะ Open-weight ยังไม่แน่นอน GLM-5.3 ยังไม่ใช่ Open-weight อย่างแท้จริง การดาวน์โหลดถูกปิดกั้นเพื่อรอการเสริมความปลอดภัย หากไม่มีการปล่อยน้ำหนักสู่สาธารณะ ความแตกต่าง "โอเพนซอร์ส" กับ Mythos 5 ก็จะแคบลงอย่างมาก

บทสรุป

GLM-5.3 อ้างความได้เปรียบเล็กน้อยเหนือ Mythos 5 ในด้านการตรวจจับช่องโหว่ (84.5% เทียบกับ 83.8% บน CyberGym) แต่ตามหลังอย่างมีนัยสำคัญในด้านการโจมตี (54.4% เทียบกับ 78.0% บน ExploitBench) การปล่อย Open Weights ของมันถูกเลื่อนออกไปเพื่อรอการตรวจสอบความปลอดภัย และ GLM-5.2 รุ่นก่อนหน้าถูกประเมินว่ามีการปฏิเสธคำสั่งโจมตีทางไซเบอร์เกือบเป็นศูนย์ ในทางกลับกัน Mythos 5 ยังคงถูกควบคุมอย่างเข้มงวดมาก — ไม่เคยเปิดให้สาธารณชนใช้งานได้ จำกัดเฉพาะพันธมิตรที่ผ่านการคัดกรองประมาณ 200 ราย — แต่ก็มีความสามารถมากกว่าในงานเชิงรุกที่อันตรายที่สุด นั่นคือการสร้าง Exploit ที่ใช้งานได้ นัยยะในวงกว้างคือโมเดล Open-weight กำลังปิดช่องว่างด้านความสามารถกับโมเดลที่ถูกควบคุมระดับแนวหน้าในงานไซเบอร์ได้อย่างรวดเร็ว ในขณะที่มาตรการป้องกันด้านความปลอดภัยยังคงอ่อนแอกว่าอย่างเห็นได้ชัด ความไม่แน่นอนด้านกฎระเบียบของจีนเกี่ยวกับการส่งออกโมเดล AI ชั้นนำเป็นอีกชั้นของความซับซ้อนว่าน้ำหนักของ GLM-5.3 จะพร้อมให้ใช้งานได้อย่างอิสระอย่างที่การตลาดของ Z.ai แนะนำหรือไม่