Anthropic: Zhipus GLM-5.3 erreicht beim Hacken Mythos-Klasse
Anthropic meldete am 3. Oktober, das Modell GLM-5.3 von Zhipu AI könne schädliche Exploits auf einem Niveau erzeugen, das mit dem eigenen noch unveröffentlichten Mythos-Modell vergleichbar sei. Als Beleg nennt das Unternehmen Benchmarktests, in denen GLM-5.3 in 410 Durchläufen 50 vollständige Chrome-Exploits baute.

Am 3. Oktober veröffentlichte Anthropic einen Red-Teaming-Bericht. Darin heißt es, GLM-5.3 von Zhipu AI, ein verbreitetes chinesisches Modell mit offenen Gewichten, tauge als Werkzeug für anspruchsvolle Cyberangriffe. Das Unternehmen schreibt, GLM-5.3 automatisiere Exploits etwa so effizient wie das eigene, nicht veröffentlichte Hochsicherheitsmodell Mythos. Der Vorwurf fällt in eine Phase verschärfter Prüfung von KI-Systemen mit offenen Gewichten, besonders solcher, die außerhalb der Vereinigten Staaten entstehen.
Der Bericht beschreibt die Leistung von GLM-5.3 in den internen Benchmarks von Anthropic, konkret in Exploitbench. Das ist eine abgeschottete Umgebung, in der getestet wird, wie gut eine KI Exploits für Google Chrome entwickelt. In diesem Test erzeugte GLM-5.3 in 410 Durchläufen 50 erfolgreiche durchgängige Exploits. Das Mythos-Modell von Anthropic, das der Öffentlichkeit nicht zur Verfügung steht, kam bei derselben Zahl von Versuchen auf 56 erfolgreiche Exploits. The Register bewertete diesen Abstand als gering. Das deute darauf hin, dass Modelle mit offenen Gewichten zu geschlossenen Frontier-Modellen mit Zugangsbeschränkung aufschließen.
Tom's Hardware berichtete, die Ergebnisse hätten erhebliches Gewicht für die Debatte über KI-Governance. Das Portal hob hervor, dass Anthropics CEO Dario Amodei öffentlich dazu aufgerufen hat, die Entwicklung der KI-Frontier zu bremsen. Dennoch brachte sein Unternehmen kurz zuvor Claude Opus 5.5 und Claude Sonnet 5.5 auf den Markt, nur wenige Tage nach seinen Warnungen zur Modellsicherheit. Beobachter kritisierten diesen Zeitpunkt. Sie sehen einen Widerspruch zwischen dem öffentlichen Drängen auf Regulierung und der eigenen Vermarktungsstrategie. Tom's Hardware merkte außerdem an, dass Anthropic derzeit einen Börsengang erwägt. Dieser Schritt dürfte seine Haltung zu Sicherheitsstandards für Open-Source-Modelle weiter verkomplizieren.
Wie leistungsfähig GLM-5.3 in den Benchmarks ist
Die technischen Angaben im Bericht von Anthropic legen nahe, dass GLM-5.3 mehr kann als einfache Angriffe. Es führt komplexe, verkettete Exploits selbstständig aus. Tom's Hardware erklärte, in einem Benchmark für vollständige Control-Flow-Hijacks habe GLM-5.3 eine Erfolgsquote von 4% erreicht. Das liegt knapp unter den 6% von Mythos. Laut dem Bericht wiegt schwerer, dass die leichtere Flash-Variante von GLM-5.3 verkettete Exploits für bekannte Fehler zu einem tokenisierten Preis von nur $20.40 entwickelte. Dieser niedrige Preis macht solche Fähigkeiten für eine größere Zahl von Akteuren erreichbar. Die Hürde für aufwendige Cyberoperationen sinkt damit womöglich.
Anthropic behauptet zudem, die Schutzmechanismen in GLM-5.3 ließen sich leicht umgehen. Der Bericht beschreibt zwei Hauptmethoden, um die Leitplanken des Modells zu umgehen. Bei der ersten wird das Modell mit einem irreführenden Prompt dazu gebracht, einen gegnerischen autonomen Agenten zu spielen. Das führte in 64% der Fälle zur Erzeugung schädlicher Inhalte. Bei der zweiten Methode werden die Denk-Token des Modells vorbelegt, um die Antwort in eine bestimmte Richtung zu lenken. Sie erreichte eine Erfolgsquote von 92%. Eine dritte Methode, Abliteration genannt, wird ebenfalls erwähnt, allerdings gingen die ersten Berichte weniger ins Detail.
Die Befunde passen zu einem breiteren Trend: Sicherheitsforscher finden immer wieder Schwachstellen in Modellen mit offenen Gewichten. The Register merkte an, dass Anthropic im April Project Glasswing angekündigt hat. Diese Initiative gibt ausgewählten Partnern Zugang zu Modellen der Mythos-Klasse für die Fehlersuche. Seitdem ist die Zahl der Common Vulnerabilities and Exposures (CVEs) gestiegen, die diesen fortgeschrittenen Modellen zugeschrieben werden. Bis Freitag hatten Mythos und Project Glasswing 286 CVEs aufgedeckt, nach einem Tracker des VulnCheck-Sicherheitsforschers Patrick Garrity. Bis Donnerstag war nur einer dieser Fehler in echten Angriffen ausgenutzt worden. Das änderte sich kürzlich.
Ausnutzung in der Praxis und die Verbindung zu Mythos
Jüngste Ereignisse um eine kritische Lücke zur Umgehung der Authentifizierung im Rejetto HTTP File Server (HFS) zeigen, wie dringlich die Aussagen von Anthropic sind. The Register berichtete, der Forscher Zach Hanley vom KI-Pentest-Unternehmen Horizon3 habe mit Mythos eine neue Schwachstelle in diesem Dateiserver aufgedeckt, geführt als CVE-2026-61500. Die Lücke erlaubt vollen Admin-Zugriff und die Ausführung von Code aus der Ferne. Hanley veröffentlichte ein Video, das die Schritte zeigt, mit denen sich HFS ausnutzen und Code auf dem Server ausführen lässt. Es macht den praktischen Nutzen solcher KI-gestützten Fehlersuche deutlich.
Der VulnCheck-Sicherheitsforscher Patrick Garrity erklärte am Donnerstag auf LinkedIn, er habe am Abend begonnen, die Ausnutzung von CVE-2026-61500 zu beobachten. Die ersten Aktivitäten kamen demnach von einer IP-Adresse in China und zielten auf anfällige Hosts in den Vereinigten Staaten und Japan. Bis Freitag meldete Garrity vier Treffer von zwei verschiedenen IP-Adressen in den USA. Sie schienen über einen Proxy zu kommen. Mit China verbundene Eindringlinge nutzen routinemäßig kompromittierte Geräte als Proxy, um schädlichen Datenverkehr umzuleiten und ihren tatsächlichen Standort zu verschleiern. Eine Sicherheitswarnung aus zehn Ländern wies im April auf diese Taktik hin.
Der Bericht von Anthropic zu GLM-5.3 zitiert einen eigenen Bericht des Center for AI Standards and Innovation von Ende September. Darin heißt es, GLM-5.3 könne Exploits auf einem ähnlichen Niveau wie Mythos vollständig automatisieren. Diese externe Bestätigung verleiht den internen Benchmarks von Anthropic Gewicht. Das Unternehmen argumentiert, diese Fähigkeiten machten Modelle mit offenen Gewichten gefährlich, wenn sie nicht ordentlich abgesichert sind. Sie ließen sich missbrauchen, um schädliche Inhalte zu erzeugen und Cyberangriffe auszuführen. Der Bericht erinnert an die Doppelnatur fortgeschrittener KI-Modelle und an die Schwierigkeit, ihre Veröffentlichung zu regeln.
Für Entwickler und Sicherheitsteams ist die Konsequenz klar: Modelle mit offenen Gewichten brauchen gründliche Tests und laufende Überwachung. The Register riet, Rejetto HFS auf Version 3.2.1 oder höher zu aktualisieren, um die Sicherheitslücken zu schließen. Der Vorfall zeigt darüber hinaus, wie wichtig solide Sicherheitspraktiken sind. KI kann das Aufspüren und Ausnutzen von Schwachstellen inzwischen beschleunigen. Je weiter die Fähigkeiten von Modellen wie GLM-5.3 und Mythos wachsen, desto unschärfer wird die Grenze zwischen defensiven Sicherheitswerkzeugen und offensiven Waffen.
Die Haltung von Anthropic in dieser Frage ist kompliziert. Das Unternehmen erklärt, Mythos sei zu mächtig, um es der Allgemeinheit zu überlassen. Gleichzeitig tritt es für Governance und Regulierung des KI-Bereichs ein. Die eigenen Schritte, darunter die Veröffentlichung neuer Claude-Modelle und der Vorstoß Richtung Börsengang, deuten auf ein Geschäftsmodell, das auf schnellem Einsatz von KI-Fähigkeiten beruht. Diese Spannung zwischen kommerziellen Interessen und Sicherheitsbedenken dürfte ein zentrales Thema der KI-Branche bleiben. Der Bericht zu GLM-5.3 ist das jüngste Kapitel einer wachsenden Erzählung über Risiken und Nutzen von KI mit offenen Gewichten.
Quellen
10- 01Anthropic's super bug-hunting model Mythos is hardcore good at math, as latest vuln under attack showsEN
- 02Anthropic claims popular Chinese AI model has Mythos-class hacking abilitiesEN
- 03OpenAI alerts 100+ orgs that its 'misaligned models' attempted to break in - or worseEN
- 04US road rage killer's sentence quashed because AI video of victim was shown in courtEN
- 05Twelve AI clay films for $184: The agents cost more than the video modelEN
- 06Kolibri: A Sovereign Open-Weight ModelEN
- 07New in Llama.cpp: Decision ModelsEN
- 08Shield: A 118M model for detecting prompt injections and jailbreaksEN
- 09Open 10-player CS:GO dataset for multiplayer world modelsEN
- 10We diffed all 66 release pairs of the official MCP servers, 140 silent changesEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.