Anthropic: GLM-5.3 od Zhipu niemal dorównuje Mythosowi w testach exploitów
Opublikowany 3 października raport Anthropic o red-teamingu modeli granicznych podaje, że otwarty GLM-5.3 od Zhipu AI buduje pełne exploity na Chrome w 50 z 410 prób, a niewydany Mythos w 56.
Anthropic opublikował 3 października raport o red-teamingu modeli granicznych. Wynika z niego, że otwarty chiński model jest bardzo blisko własnego, niewydanego jeszcze systemu do wyszukiwania błędów. Jak relacjonuje Tom's Hardware, GLM-5.3 od Zhipu AI zbudował pełne exploity na Chrome w 50 z 410 prób w Exploitbench Anthropic. Claude Mythos osiągnął 56.
Przewaga topnieje na drugim, wewnętrznym benchmarku. Tam GLM-5.3 osiągnął 4% skuteczności w opracowywaniu pełnych przejęć przepływu sterowania. Mythos osiągnął 6%. Anthropic przepuścił przez te same testy inne modele z otwartymi wagami. Kimi K3 i DeepSeek V4.1 Flash zdobyły po 0%.
Największe znaczenie praktyczne mają ustalenia dotyczące zabezpieczeń. Według Anthropic zwodniczy prompt, który przedstawia model jako autonomicznego agenta nastawionego na atak, przechodził przez zabezpieczenia w 64% przypadków, a wstępne wypełnianie tokenów rozumowania działało w 92% przypadków. Tom's Hardware opisuje też trzecią metodę, abliterację. Anthropic wskazuje jako impuls raport Center for AI Standards and Innovation z końca września, który sam twierdził, że GLM-5.3 potrafi w pełni automatyzować exploity na poziomie bliskim Mythosowi.
Tanie exploity, żywe exploity
Liczy się też koszt. Według Anthropic lżejszy GLM-5.3-Flash potrafił budować łańcuchowe exploity na znane błędy po tokenowej cenie 20,40 dolara, co Tom's Hardware przelicza na gdzieś między 100 a 300 mln tokenów w zależności od proporcji wejścia do wyjścia. Łańcuchowe exploity, budowane bez człowieka sterującego każdym krokiem, w takiej cenie, to scenariusz, który obrońcy wyceniali od startu Project Glasswing w kwietniu. Ten scenariusz ma już potwierdzenie w terenie i przyszedł szybko.
The Register poinformował 3 października, że próby wykorzystania CVE-2026-61500, krytycznej luki w uwierzytelnianiu w Rejetto HTTP File Server, zaczęły się w ciągu godzin od upublicznienia błędu. Badacz Zach Hanley z Horizon3 znalazł lukę przy pomocy Mythosa i opublikował ją w środę; poprawka to v3.2.1 lub nowsza. Patrick Garrity z VulnCheck napisał na LinkedIn, że pułapki jego firmy wykryły aktora w Chinach celującego w prawdziwe hosty w USA, a aktywność dotarła też do Japonii. Powiedział The Register, że piątkowe cztery trafienia pochodziły z dwóch adresów IP w USA, 173.239.211[.]248 i 173.239.211[.]249, oba najwyraźniej za proxy.
Tracker Garrity'ego liczy 286 CVE przypisanych Mythosowi i Project Glasswing na piątek. Do czwartku dokładnie jedno z nich zostało wykorzystane w terenie. CVE-2026-61500 jest drugim.
„Zaczęliśmy wykrywać wykorzystanie CVE-2026-61500 w Rejetto HFS dziś wieczorem” – napisał Garrity na LinkedIn w czwartek.
Reszta tygodnia premier
Premiery modeli nadchodziły, gdy to się rozgrywało. Aleph Alpha wypuściła 3 października Kolibri, niemiecko-angielski transformer typu mixture-of-experts z 78 mld parametrów łącznych i 3 mld aktywnych, kontekstem 1 mln tokenów i wagami na licencji Apache 2.0 na Hugging Face. Blog firmy twierdzi, że dorównuje modelom o nawet czterokrotnie większej liczbie aktywnych parametrów, wymieniając Nemotron 3 Super, i kieruje go do administracji publicznej, przemysłu i lotnictwa. Strona pomocy Google, zaktualizowana 3 października, podaje, że użytkownicy aplikacji Gemini bez subskrypcji AI od 9 października zaczną przechodzić na automatyczny wybór modelu, a większość promptów trafi do Flash-Lite.
Mniejsze premiery wypełniły luki. Ideogram wypuścił 3 października wersję 4.5 swojego modelu obrazów, w cenie za obraz od 0,008 dolara w najniższym przedziale jakości do 0,22 dolara za generowanie w wysokiej jakości z referencjami lub precyzyjnymi edycjami, w natywnym 2K. Model klasyfikacyjny Clef od Cloudflare dostał publiczne demo, które sortuje jedzenie według Cube Rule, pięć zapytań na minutę na IP. IINA 1.5.0 ukazała się po prawie roku pracy, z największym od startu przeprojektowaniem interfejsu, nowym paskiem bocznym Layout i wyszukiwaniem wtyczek w Ustawieniach.
Dwa artykuły benchmarkowe są warte więcej niż szum wokół produktów. PTXBench, poprawiony na arXiv 28 września, sprawdza, czy modele językowe potrafią pisać PTX specyficzny dla architektury jąder GPU na sprzęcie H100 i B200, i podaje, że żaden oceniany model nie dorównuje konsekwentnie bibliotekom granicznym, a skuteczność spada na obciążeniach attention backward. ScholarCatalyst, opublikowany 3 października, poprosił 184 głównych autorów 207 prac z informatyki o wskazanie, która wcześniejsza praca posunęła ich projekty do przodu, a potem przetestował wyszukiwanie na korpusie 191 tys. prac. Wyszukiwanie agentowe zdobyło 0,42 Recall@20, poniżej zwykłego wyszukiwania embeddingowego z 0,48, a agent zbudowany na Claude Fable 5.1 osiągnął 0,51.
Inne wieści benchmarkowe wskazują w tę samą stronę. Własne liczby Anthropic stawiają GLM-5.3 blisko Mythosa w generowaniu exploitów, a PTXBench i ScholarCatalyst stawiają obecne modele wyraźnie poniżej specjalistów w kodzie jąder i wyczuciu badawczym. Przepaść między demem a wdrożeniem wciąż jest tu główną historią.
Źródła
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
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.