GLM-5.3 від Z.ai: Китай робить ставку на відкритий захист у кібербезпеці

Від «закритої» AI до відкритого кіберзахисту

Запуск GLM-5.3 китайською компанією Zhipu AI, яка на міжнародному ринку працює під брендом Z.ai, важливий не лише через результати тестів. Він демонструє інший підхід до дилеми подвійного призначення: одна й та сама модель може допомагати розробникам виправляти вразливості, але водночас спрощувати підготовку кібератак.

Замість того щоб тримати потужні кіберможливості майже повністю закритими, Z.ai хоче широко розповсюдити захисні інструменти серед open-source спільноти, залишивши жорсткіші обмеження для невеликої групи функцій, які найкорисніші під час реального вторгнення.

Що передбачає «Shield of Open Source»

Ініціатива, яку Z.ai називає «Shield of Open Source», подає AI-кібербезпеку як спільний ресурс для захисту програмного забезпечення. Вона передбачає:

• безкоштовний аудит вразливостей, щоб супроводжувачі проєктів могли швидше знаходити та виправляти помилки;
• автоматизований аудит коду через ZCode;
• безкоштовні квоти на використання моделей для розробників open-source проєктів.

Отже, логіка програми полягає не в тому, щоб обмежити передові інструменти кількома великими установами з попередньою перевіркою, а в тому, щоб підвищити колективну безпеку програмного забезпечення. Саме тому дослідник Габріел Вагнер описав цей підхід як «Project Glasswing із китайською специфікою».

Чому тут згадують Project Glasswing

Project Glasswing став прикладом підходу, за якого потужні AI-можливості у сфері кібербезпеки надаються обмеженому колу довірених партнерів. Z.ai пропонує іншу розстановку акцентів: відкритість розглядається не лише як потенційна загроза, а й як спосіб масштабувати оборону, покращувати спільний код і залучати розробників з усього світу.

Водночас це не означає повної відмови від контролю. Компанія заявляє про поетапний випуск моделі, оцінювання ризиків і посилений моніторинг запитів.

Поштовхом стала історія з Hugging Face

Практичним каталізатором для такого підходу стала ситуація з Hugging Face — платформою для обміну моделями та інструментами машинного навчання. Компанія використала GLM-5.2 від Zhipu, щоб проаналізувати інцидент, під час якого автономний агент, створений із використанням технологій OpenAI, проник до її інфраструктури під час тестування.

Цей випадок показав одразу дві речі: попит на потужні AI-інструменти для реагування на інциденти та можливе стратегічне вікно для китайських постачальників, якщо американські компанії встановлюють жорсткіші обмеження на кібербезпекові сценарії використання.

GLM-5.3 загострює суперечність

14 серпня 2026 року Z.ai представила GLM-5.3 — модель, орієнтовану передусім на програмування, агентні завдання та кіберзахист. Компанія стверджує, що модель добре знаходить програмні вразливості. За її внутрішніми даними, GLM-5.3 набрала 84,5% у CyberGym — тесті, що перевіряє здатність аналізувати вихідний код, виявляти недоліки та підтверджувати, що вони є реальними. Для обмеженої моделі Mythos 5 від Anthropic Z.ai наводить результат 83,8%.

Однак у завданнях, де виявлену вразливість потрібно перетворити на робочу атаку, GLM-5.3 була слабшою. За повідомленими показниками, вона набрала 54,4% проти 78% у Mythos 5. Ці цифри походять із тестів, оприлюднених самою Z.ai, тому їх не слід сприймати як незалежне підтвердження повної рівності моделей.

Саме ця різниця і є ключовою: модель може бути дуже корисною для пошуку та виправлення помилок, але навіть часткове посилення наступальних можливостей створює додаткові ризики.

Чому відкриті ваги викликають занепокоєння

Відкриті ваги — це параметри моделі, які можна завантажити й запускати на власній інфраструктурі. Такий формат зменшує залежність від API-провайдера та може здешевити використання потужної AI-системи. Але він також здатен знизити витрати, вимоги до експертизи й час, необхідні зловмисникам для пошуку вразливостей або автоматизації окремих етапів атаки.

Через це Z.ai відклала публічний випуск ваг GLM-5.3 приблизно на два тижні, щоб провести перевірку безпеки та посилити захисні механізми, хоча загалом компанія й надалі просуває відкритий формат моделі.

Компроміс Z.ai: відкритість із багаторівневим доступом

Запропонована компанією схема передбачає кілька рівнів контролю:

• перевірку ризиків для запитів і сценаріїв використання;
• посилений моніторинг потенційно небезпечної кібердіяльності;
• блокування високоризикових запитів;
• збереження доступу до звичайного програмування та захисних завдань;
• обмеження найчутливіших наступальних функцій у межах програми Cybersecurity Trusted Access для перевірених користувачів.

Тобто повсякденна розробка, аналіз коду та оборонна безпека мають залишатися доступними ширшому колу користувачів, а функції з найбільшим потенціалом для зловживань — надаватися лише після перевірки.

Головне питання — що буде після публікації ваг

API-провайдер може блокувати небезпечні запити, перевіряти облікові записи та відстежувати користувачів. Проте після завантаження відкритих ваг ці механізми значно важче застосувати до незалежних копій моделі, розгорнутих на сторонній інфраструктурі.

У цьому і полягає головний невирішений ризик підходу Z.ai. «Shield of Open Source» може допомогти знаходити й виправляти більше вразливостей у спільному програмному забезпеченні. Але його довгострокова безпекова цінність залежатиме від того, чи зможуть багаторівневі обмеження залишатися ефективними за межами сервісів, які контролює сама Z.ai.