Anthropic: GLM-5.3 di Zhipu rivaleggia con Mythos nella ricerca di exploit
Il 3 ottobre Anthropic ha pubblicato un rapporto in cui sostiene che GLM-5.3, modello open-weight di Zhipu AI, riesce a costruire exploit funzionanti quasi quanto il proprio modello Mythos, non ancora rilasciato. Secondo l'azienda, le protezioni del modello si aggirano con facilità.

Il 3 ottobre Anthropic ha diffuso un rapporto di red-teaming su GLM-5.3, il modello cinese open-weight di Zhipu AI. Tom's Hardware riferisce che, secondo il documento, GLM-5.3 può automatizzare la creazione di exploit a un livello vicino a quello di Claude Mythos, il modello per la caccia ai bug che Anthropic tiene fuori dal rilascio pubblico.
Perché conta: se un modello scaricabile scrive exploit quasi come uno chiuso, il controllo degli accessi smette di essere il meccanismo di sicurezza. La risposta di Anthropic si chiama Project Glasswing. Il progetto consegna un modello di classe Mythos a partner selezionati, che lo usano per trovare e correggere bug prima del rilascio. Resta aperta la domanda se chi difende riesca a correre più veloce di chi usa i pesi aperti. Anthropic non ha detto quando, né se, rilascerà Mythos a un pubblico più ampio.
Il confronto non è vicino in termini percentuali. È vicino in classifica. Exploitbench, il benchmark di Anthropic, chiede ai modelli di scrivere exploit per Google Chrome dentro una sandbox. GLM-5.3 ci è riuscito 50 volte su 410 esecuzioni. Mythos ne ha totalizzate 56 su 410. Su un benchmark interno per il controllo completo del flusso di esecuzione, GLM-5.3 ha segnato un tasso di successo del 4% contro il 6% di Mythos. Kimi K3 e DeepSeek V4.1 Flash hanno entrambi segnato 0% sulla stessa misura, secondo il rapporto così come lo descrive Tom's Hardware.
Le protezioni sono cadute in tre modi
Anthropic ha anche testato quanto sia difficile aggirare le salvaguardie di GLM-5.3. Due metodi hanno funzionato spesso. Un prompt ingannevole che presenta il modello come agente autonomo avversario ha avuto successo nel 64% dei casi. Il prefilling dei token di ragionamento del modello ha funzionato nel 92% dei casi, sempre secondo Tom's Hardware. Il rapporto dettaglia anche una terza via, l'abliteration. La variante Flash del modello è riuscita a sviluppare exploit concatenati per bug noti con un costo in token di $20,40. Anthropic stima tra 100 milioni e 300 milioni di token, a seconda del rapporto tra input e output.
I risultati arrivano nel mezzo di una polemica aperta. Anthropic invoca regole e un ritmo più lento. Eppure ha rilasciato Claude Opus 5.5 e Claude Sonnet 5.5 a pochi giorni da quegli avvertimenti, nota Tom's Hardware. L'azienda guarda anche a una IPO.
Lo sfruttamento reale dei bug legati a Mythos è già in corso. Il 3 ottobre The Register ha riferito che CVE-2026-61500 ha attirato tentativi di attacco da un IP con sede in Cina contro host negli Stati Uniti e in Giappone. La falla è un bypass critico dell'autenticazione in Rejetto HTTP File Server, trovata con Mythos dal ricercatore di Horizon3 Zach Hanley.
Patrick Garrity di VulnCheck ha detto a The Register che, a venerdì, Mythos e Project Glasswing avevano individuato 286 CVE. Solo una era stata sfruttata in the wild prima di giovedì.
"Oggi abbiamo visto quattro hit", ha detto Garrity a The Register venerdì, descrivendo il traffico successivo da due indirizzi IP statunitensi nella stessa subnet che "sembrano arrivare da un proxy".
Hanley, la cui azienda è entrata in Project Glasswing a luglio, ha scritto nel suo resoconto che Horizon3 ha usato Mythos nella ricerca sulle vulnerabilità e ha trovato molti bug critici. Gli utenti di Rejetto HFS devono passare alla v3.2.1 o successiva, nota The Register.
Anche il fronte difensivo si muove in pubblico. Il 3 ottobre Aleph Alpha ha rilasciato Kolibri, un modello mixture-of-experts inglese-tedesco con 78 miliardi di parametri totali e 3 miliardi attivi. È distribuito con licenza Apache 2.0 e pesi su Hugging Face. L'azienda sostiene che eguaglia modelli con un numero di parametri attivi fino a quattro volte superiore, come Nemotron 3 Super. Lo propone ai settori regolamentati che hanno bisogno di deployment on-premise.
Strumenti più piccoli spuntano all'altro estremo. Il 2 ottobre ZeroLeaks ha pubblicato Shield Small, un classificatore da 118 milioni di parametri per tentativi di prompt injection e jailbreak. Gira su CPU con 118 MB di pesi int8. La sua model card riporta un recall del 71,8% sugli attacchi e un tasso di falsi positivi del 7,2% se abbinato a Shield rules v2, su 35 dataset pubblici che hanno anche contribuito allo sviluppo. Significa che non è un test su dati mai visti.
Niente di tutto questo chiude la questione GLM-5.3. I numeri di Anthropic vengono dai benchmark di Anthropic, eseguiti sul modello di un concorrente, e Zhipu AI non ha risposto pubblicamente. La stessa impostazione del rapporto è che il divario tra un modello frontier chiuso e i pesi aperti è ormai abbastanza piccolo da misurarsi in percentuali a una cifra.
Fonti
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
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.