Anthropic: GLM-5.3 di Zhipu ormai vicino a Mythos nei benchmark sugli exploit
Il nuovo rapporto di red-teaming di Anthropic, uscito il 3 ottobre, sostiene che GLM-5.3 di Zhipu AI, con pesi aperti, riesce a costruire exploit end-to-end per Chrome in 50 casi su 410 tentativi, contro i 56 del modello Mythos, non ancora rilasciato.
Anthropic ha pubblicato il 3 ottobre un rapporto di red-teaming sui modelli di frontiera. Il documento mette un modello cinese a pesi aperti a un passo dal sistema di ricerca di bug che l'azienda non ha ancora rilasciato. Secondo la ricostruzione di Tom's Hardware, GLM-5.3 di Zhipu AI ha prodotto exploit end-to-end per Chrome in 50 tentativi su 410 su Exploitbench di Anthropic. Claude Mythos ne ha messi a segno 56.
Il divario si riduce su un secondo benchmark interno. Lì GLM-5.3 ha raggiunto un tasso di successo del 4% nello sviluppo di hijack completi del flusso di controllo. Mythos si è fermato al 6%. Anthropic ha sottoposto agli stessi test altri modelli a pesi aperti. Kimi K3 e DeepSeek V4.1 Flash hanno entrambi ottenuto lo 0%.
I risultati sui sistemi di salvaguardia pesano di più sul piano operativo. Anthropic afferma che un prompt ingannevole, che presenta il modello come un agente autonomo avversario, ha superato le difese nel 64% dei casi, mentre il prefilling dei token di ragionamento ha funzionato nel 92% dei casi. Tom's Hardware segnala che il rapporto descrive anche un terzo metodo, l'abliterazione. Anthropic indica come causa scatenante il rapporto di fine settembre del Center for AI Standards and Innovation, che a sua volta sosteneva che GLM-5.3 potesse automatizzare del tutto gli exploit a un livello vicino a Mythos.
Exploit economici, exploit reali
La voce dei costi conta. Anthropic sostiene che il più leggero GLM-5.3-Flash possa costruire exploit concatenati per bug noti a un prezzo tokenizzato di 20,40 dollari, che Tom's Hardware traduce in un intervallo tra 100 e 300 milioni di token a seconda del rapporto tra input e output. Exploit concatenati, costruiti senza che una persona guidi ogni passaggio, a quel prezzo: è lo scenario su cui i difensori fanno i conti da quando Project Glasswing è partito in aprile. Quello scenario ha già un precedente sul campo, ed è arrivato in fretta.
Il Register ha riferito il 3 ottobre che i tentativi di sfruttamento contro CVE-2026-61500, una vulnerabilità critica di bypass dell'autenticazione in Rejetto HTTP File Server, sono iniziati poche ore dopo la divulgazione del difetto. Il ricercatore Zach Hanley di Horizon3 ha trovato il bug usando Mythos e lo ha pubblicato mercoledì; la correzione è nella versione v3.2.1 o successive. Patrick Garrity di VulnCheck ha scritto su LinkedIn che i canary della sua azienda hanno intercettato un attore in Cina che prendeva di mira host reali negli Stati Uniti, con attività registrata anche in Giappone. Ha detto al Register che i quattro rilevamenti di venerdì provenivano da due indirizzi IP negli Stati Uniti, 173.239.211[.]248 e 173.239.211[.]249, entrambi apparentemente dietro un proxy.
Il tracker di Garrity conta 286 CVE attribuite a Mythos e Project Glasswing a venerdì. Fino a giovedì ne era stata sfruttata in the wild esattamente una. CVE-2026-61500 è la seconda.
"Abbiamo iniziato a rilevare lo sfruttamento di CVE-2026-61500 in Rejetto HFS questa sera", ha scritto Garrity su LinkedIn giovedì.
Il resto della settimana dei rilasci
I rilasci di modelli continuavano ad arrivare mentre tutto questo andava avanti. Aleph Alpha ha pubblicato Kolibri il 3 ottobre, un transformer mixture-of-experts per tedesco e inglese con 78.000.000.000 di parametri totali e 3.000.000.000 attivi, una finestra di contesto da 1.000.000 di token e pesi Apache 2.0 su Hugging Face. Il blog dell'azienda dice che eguaglia modelli con un numero di parametri attivi fino a quattro volte superiore, citando Nemotron 3 Super, e lo propone per pubblica amministrazione, industria e aerospazio. La pagina di assistenza di Google, aggiornata il 3 ottobre, dice che gli utenti dell'app Gemini senza abbonamento AI passano alla selezione automatica del modello dal 9 ottobre, con la maggior parte dei prompt instradata su Flash-Lite.
Rilasci più piccoli hanno riempito i vuoti. Ideogram ha distribuito la versione 4.5 del suo modello per immagini il 3 ottobre, con prezzi per immagine da 0,008 dollari nel livello di qualità più basso fino a 0,22 dollari per la generazione in alta qualità con riferimenti o modifiche precise, a 2K nativi. Il modello di classificazione Clef di Cloudflare ha avuto una demo pubblica che ordina il cibo secondo la Cube Rule, con cinque richieste al minuto per IP. IINA 1.5.0 è arrivato dopo quasi un anno di lavoro, il più ampio ridisegno dell'interfaccia dal lancio, con una nuova barra laterale Layout e la scoperta dei plugin dentro Impostazioni.
Due articoli sui benchmark valgono più del rumore sui prodotti. PTXBench, rivisto su arXiv il 28 settembre, verifica se i modelli linguistici sanno scrivere PTX specifico per l'architettura dei kernel GPU su hardware H100 e B200, e riferisce che nessun modello valutato eguaglia in modo costante le librerie di frontiera, con tassi di successo che calano sui carichi di lavoro attention backward. ScholarCatalyst, pubblicato il 3 ottobre, ha chiesto a 184 autori principali di 207 articoli di informatica di indicare quali lavori precedenti avevano fatto progredire i loro progetti, poi ha testato il retrieval su un corpus di 191.000 articoli. La ricerca agentica ha ottenuto 0,42 di Recall@20, sotto il retrieval a embedding semplice a 0,48, e un agente costruito su Claude Fable 5.1 è arrivato a 0,51.
Altre notizie sui benchmark vanno nella stessa direzione. I numeri di Anthropic collocano GLM-5.3 vicino a Mythos nella generazione di exploit, e PTXBench e ScholarCatalyst mostrano i modelli attuali ben lontani dagli specialisti sul codice per kernel e sul gusto nella ricerca. Il divario tra una demo e un deployment resta il punto centrale.
Fonti
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
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.