Anthropic affirme que GLM-5.3 de Zhipu approche Mythos sur les benchmarks d'exploitation
Le nouveau rapport de red-teaming d'Anthropic, publié le 3 octobre, indique que GLM-5.3, le modèle à poids ouverts de Zhipu AI, produit des exploits Chrome de bout en bout dans 50 cas sur 410 exécutions, contre 56 pour son modèle Mythos, non publié.
Anthropic a publié un rapport de red-teaming le 3 octobre. Il place un modèle chinois à poids ouverts à portée de son propre système de recherche de failles, encore inédit. D'après la reprise qu'en fait Tom's Hardware, GLM-5.3 de Zhipu AI a généré des exploits Chrome de bout en bout dans 50 cas sur 410 tentatives sur Exploitbench, le banc d'essai d'Anthropic. Claude Mythos en a réussi 56.
L'écart se resserre sur un second benchmark, interne celui-là. GLM-5.3 y atteint un taux de réussite de 4 % pour développer des détournements complets de flux de contrôle. Mythos atteint 6 %. Anthropic a fait passer d'autres modèles à poids ouverts par les mêmes tests. Kimi K3 et DeepSeek V4.1 Flash ont tous deux obtenu 0 %.
Ce sont les résultats sur les garde-fous qui comptent le plus en pratique. Anthropic indique qu'un prompt trompeur présentant le modèle comme un agent autonome adverse a franchi ses protections dans 64 % des cas, et que le préremplissage des jetons de réflexion du modèle a fonctionné dans 92 % des cas. Tom's Hardware signale qu'une troisième méthode, l'abliteration, est également décrite. Anthropic cite comme déclencheur le rapport de fin septembre du Center for AI Standards and Innovation, qui affirmait lui-même que GLM-5.3 pouvait automatiser entièrement des exploits à un niveau proche de Mythos.
Des exploits bon marché, des exploits bien réels
Le coût compte. Anthropic indique que GLM-5.3-Flash, la version allégée, pouvait construire des exploits en chaîne pour des failles connues pour un prix en jetons de 20,40 dollars, ce que Tom's Hardware traduit par un volume situé entre 100 et 300 millions de jetons selon la répartition entre entrée et sortie. Des exploits en chaîne, construits sans qu'un humain guide chaque étape, à ce prix : c'est le scénario que les défenseurs anticipent depuis le lancement de Project Glasswing en avril. Ce scénario a déjà des précédents sur le terrain, et ils sont arrivés vite.
The Register rapporte le 3 octobre que des tentatives d'exploitation de CVE-2026-61500, une faille critique de contournement d'authentification dans Rejetto HTTP File Server, ont commencé quelques heures après la publication de la faille. Le chercheur Zach Hanley, de Horizon3, a trouvé la faille avec Mythos et l'a publiée mercredi ; le correctif est la version v3.2.1 ou ultérieure. Patrick Garrity, de VulnCheck, a déclaré sur LinkedIn que les canaris de sa société avaient repéré un acteur en Chine ciblant de vrais hôtes aux États-Unis, l'activité touchant aussi le Japon. Il a confié à The Register que les quatre détections de vendredi venaient de deux adresses IP aux États-Unis, 173.239.211[.]248 et 173.239.211[.]249, toutes deux apparemment derrière un proxy.
Le compteur de Garrity recense 286 CVE attribuées à Mythos et à Project Glasswing à la date de vendredi. Jusqu'à jeudi, une seule d'entre elles avait été exploitée dans la nature. CVE-2026-61500 est la deuxième.
« Nous avons commencé à détecter l'exploitation de CVE-2026-61500 dans Rejetto HFS ce soir », a écrit Garrity sur LinkedIn jeudi.
Le reste de la semaine de sorties
Les sorties de modèles se sont succédé pendant ce temps. Aleph Alpha a publié Kolibri le 3 octobre, un transformeur à mélange d'experts allemand et anglais de 78 milliards de paramètres au total et 3 milliards actifs, avec un contexte de 1 million de jetons et des poids Apache 2.0 sur Hugging Face. Le blog de l'entreprise affirme qu'il égale des modèles comptant jusqu'à quatre fois son nombre de paramètres actifs, et cite Nemotron 3 Super, en le destinant à l'administration publique, à l'industrie et à l'aérospatiale. La page d'aide de Google, mise à jour le 3 octobre, indique que les utilisateurs de l'application Gemini sans abonnement à l'IA basculent vers une sélection automatique du modèle à partir du 9 octobre, la plupart des prompts étant dirigés vers Flash-Lite.
Des sorties plus modestes ont comblé les vides. Ideogram a livré la version 4.5 de son modèle d'image le 3 octobre, facturée à l'image de 0,008 dollar dans le palier de qualité le plus bas jusqu'à 0,22 dollar pour une génération de haute qualité avec références ou retouches précises, en 2K natif. Le modèle de classification Clef de Cloudflare a reçu une démo publique qui trie les aliments selon la Cube Rule, à cinq requêtes par minute et par IP. IINA 1.5.0 est arrivé après presque un an de travail, sa plus grosse refonte d'interface depuis le lancement, avec une nouvelle barre latérale Layout et la découverte d'extensions dans les réglages.
Deux articles de benchmark pèsent plus lourd que le bruit produit. PTXBench, révisé sur arXiv le 28 septembre, teste si les modèles de langage savent écrire du PTX spécifique à une architecture pour des noyaux GPU sur du matériel H100 et B200, et rapporte qu'aucun modèle évalué ne rejoint régulièrement les bibliothèques de pointe, les taux de réussite chutant sur les charges de rétropropagation d'attention. ScholarCatalyst, mis en ligne le 3 octobre, a demandé à 184 auteurs principaux de 207 articles en informatique de désigner les travaux antérieurs qui avaient fait avancer leurs projets, puis a testé la recherche sur un corpus de 191 000 articles. La recherche agentique obtient 0,42 de Recall@20, en dessous de la recherche par plongement simple à 0,48, et un agent bâti sur Claude Fable 5.1 atteint 0,51.
D'autres résultats de benchmark vont dans le même sens. Les chiffres d'Anthropic placent GLM-5.3 près de Mythos sur la génération d'exploits, et PTXBench comme ScholarCatalyst laissent les modèles actuels loin des spécialistes sur le code de noyau et le jugement de recherche. L'écart entre une démo et un déploiement reste l'essentiel.
Sources
12- 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
- 04Changes to Gemini model access and limitsEN
- 05Ideogram 4.5: The most precise edit modelEN
- 06Cube Rule food classifier using Cloudflare Clef classification modelEN
- 07IINA 1.5.0 is ReleasedEN
- 08PTXBench: Benchmarking and Adapting LLMs for GPU Kernel Optimization with Architecture-specific PTXEN
- 09ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New ResearchEN
- 10OpenAI alerts 100+ orgs that its 'misaligned models' attempted to break inEN
- 11New in llama.cpp: Decision ModelsEN
- 12Shield: A 118M model for detecting prompt injections and jailbreaksEN
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.