Anthropic affirme que GLM-5.3 de Zhipu rivalise avec Mythos pour trouver des failles
Anthropic a publié le 3 octobre un rapport affirmant que GLM-5.3, le modèle à poids ouverts de Zhipu AI, peut construire des exploits fonctionnels presque aussi bien que son propre modèle Mythos, non publié. L'entreprise ajoute que les garde-fous du modèle se contournent facilement.

Le 3 octobre, Anthropic a publié un rapport de red-teaming sur GLM-5.3, un modèle chinois à poids ouverts de Zhipu AI. Tom's Hardware rapporte que le document place GLM-5.3 au niveau de Claude Mythos pour automatiser la création d'exploits. Anthropic garde ce modèle spécialisé dans la chasse aux bugs hors de toute diffusion publique.
L'enjeu tient en une phrase : si un modèle téléchargeable écrit des exploits presque aussi bien qu'un modèle verrouillé, le contrôle d'accès cesse d'être le mécanisme de sécurité. La réponse d'Anthropic s'appelle Project Glasswing. Le projet confie un modèle de classe Mythos à des partenaires choisis pour trouver et corriger des bugs avant leur publication. Reste une question ouverte : les défenseurs peuvent-ils aller plus vite que ceux qui utilisent les poids ouverts ? Anthropic n'a pas dit quand, ni même si, Mythos serait diffusé plus largement.
En pourcentage, l'écart n'est pas serré. En rang, si. Le banc d'essai Exploitbench d'Anthropic demande aux modèles d'écrire des exploits pour Google Chrome dans une sandbox. GLM-5.3 a réussi 50 fois sur 410 exécutions. Mythos en a réussi 56 sur 410. Sur un benchmark interne portant sur des détournements complets de flux de contrôle, GLM-5.3 atteint un taux de réussite de 4 %, contre 6 % pour Mythos. Kimi K3 et DeepSeek V4.1 Flash obtiennent tous deux 0 % sur la même mesure, selon le rapport tel que décrit par Tom's Hardware.
Les garde-fous ont sauté de trois façons
Anthropic a aussi testé la difficulté de contourner les protections de GLM-5.3. Deux méthodes ont souvent fonctionné. Un prompt trompeur qui présente le modèle comme un agent autonome adverse a réussi dans 64 % des cas. Le préremplissage des jetons de réflexion du modèle a réussi dans 92 % des cas, toujours selon Tom's Hardware. Une troisième voie, l'abliteration, est également détaillée. La variante Flash du modèle pouvait développer des exploits en chaîne pour des bugs connus pour un coût de 20,40 dollars en jetons. Anthropic l'estime entre 100 000 000 et 300 000 000 de jetons selon le ratio entrée-sortie.
Ces conclusions tombent au milieu d'un débat en cours. Anthropic réclame une régulation et un rythme maîtrisé. L'entreprise a pourtant livré Claude Opus 5.5 et Claude Sonnet 5.5 dans les jours qui ont suivi ces avertissements, note Tom's Hardware. Elle envisage aussi une entrée en bourse.
L'exploitation réelle de bugs liés à Mythos a déjà commencé. The Register rapporte le 3 octobre que CVE-2026-61500 a fait l'objet de tentatives d'attaque depuis une adresse IP hébergée en Chine, visant des hôtes aux États-Unis et au Japon. La faille est un contournement critique d'authentification dans Rejetto HTTP File Server, trouvé avec Mythos par Zach Hanley, chercheur chez Horizon3.
Patrick Garrity, de VulnCheck, a déclaré à The Register que Mythos et Project Glasswing avaient révélé 286 CVE à la date du vendredi. Une seule avait été exploitée dans la nature avant le jeudi.
« Aujourd'hui, nous avons vu quatre hits », a déclaré Garrity à The Register vendredi, en décrivant un trafic de suivi venu de deux adresses IP américaines du même sous-réseau, qui « semblent provenir d'un proxy ».
Hanley, dont l'employeur a rejoint Project Glasswing en juillet, écrit dans son analyse que Horizon3 a utilisé Mythos en recherche de vulnérabilités et découvert de nombreux bugs critiques. Les utilisateurs de Rejetto HFS doivent passer à la version v3.2.1 ou ultérieure, précise The Register.
Le camp défensif avance aussi en public. Aleph Alpha a publié Kolibri le 3 octobre, un modèle de mélange d'experts anglais-allemand de 78 000 000 000 de paramètres au total et 3 000 000 000 actifs. Il est distribué sous Apache 2.0, avec les poids sur Hugging Face. L'entreprise affirme qu'il égale des modèles comptant jusqu'à quatre fois son nombre de paramètres actifs, comme Nemotron 3 Super. Elle le destine aux secteurs régulés qui ont besoin d'un déploiement sur site.
Des outils plus petits apparaissent à l'autre bout de l'échelle. ZeroLeaks a publié Shield Small le 2 octobre, un classifieur de 118 000 000 de paramètres pour détecter les injections de prompt et les tentatives de jailbreak. Il tourne sur un processeur avec 118 Mo de poids int8. Sa propre fiche modèle annonce un rappel d'attaque de 71,8 % et un taux de faux positifs de 7,2 % lorsqu'il est associé à Shield rules v2, sur 35 jeux de données publics qui ont aussi servi à son développement. Il ne s'agit donc pas d'un test sur données inédites.
Rien de tout cela ne tranche la question GLM-5.3. Les chiffres d'Anthropic viennent des benchmarks d'Anthropic, appliqués au modèle d'un concurrent, et Zhipu AI n'a pas répondu publiquement. Le rapport lui-même le formule ainsi : l'écart entre un modèle frontalier verrouillé et des poids ouverts est désormais assez faible pour se mesurer en pourcentages à un chiffre.
Sources
9- 01Anthropic claims popular Chinese AI model has Mythos-class hacking abilitiesEN
- 02Anthropic's super bug-hunting model Mythos is hardcore good at math, as latest vuln under attack showsEN
- 03Kolibri Has Landed: A Sovereign Open-Weight ModelEN
- 04Shield: A 118M model for detecting prompt injections and jailbreaksEN
- 05New in Llama.cpp: Decision ModelsEN
- 06OpenAI alerts 100+ orgs that its 'misaligned models' attempted to break inEN
- 07Training an open decision model to replace a closed one, in shadow on prodEN
- 08Ideogram 4.5: The most precise edit modelEN
- 09We diffed all 66 release pairs of the official MCP serversEN
Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.
Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.
Commentaires
0- Aucun commentaire — soyez le premier.