GLM-5.3 bouwt exploits in Anthropic-test

GLM-5.3 bouwde in 50 van 410 pogingen een werkende exploit voor bekende Chrome-kwetsbaarheden, bijna even vaak als Claude Mythos Preview (56 van 410), meldt concurrent Anthropic op 29 september.

Voor Nederlandse organisaties die open gewichten lokaal draaien, verandert de modelkeuze daardoor in een beheervraag: gebruikers kunnen weigeringen uit de gewichten verwijderen. Wat het model daarna kan bereiken, hangt ook af van de rechten en isolatie van de omgeving waarin het draait.

Wat de tests laten zien

Anthropic meldt daarnaast dat GLM-5.3 in een interne test in 4 procent van 100 taken een volledige overname van de programmastroom bereikte, tegenover 6 procent voor Mythos Preview. In gesimuleerde opdrachten voor schadelijke cyberacties probeerde het model in 64 procent van de gevallen verbinding te maken met een extern doel na een verzonnen verhaal dat de opdracht een beveiligingstest was. Met vooringevulde redenering lukte dat in 92 procent, en na abliteration in 100 procent. Bij abliteration zijn de weigeringen uit de modelgewichten verwijderd. In deze simulaties werd geen code uitgevoerd en kon het model geen echte systemen bereiken.

In een aparte sessie draaide GLM-5.3 in een geïsoleerde testomgeving. In één dag en met beperkte aandacht van een onderzoeker vond het model meerdere onbekende browserfouten en bouwde die tot een webpagina die lokale bestanden kon uitlezen. Een andere test met de kleinere GLM-5.3-Flash zette twee bekende fouten om in een exploitketen. Dat vergde acht uur rekentijd en twintig minuten menselijke aandacht; Anthropic schatte de API-kosten tegen Z.ai's tarieven op 20,40 dollar.

Z.ai rapporteerde bij de release 54,4 procent op ExploitBench, maar die score is niet rechtstreeks vergelijkbaar met Anthropics 50 uit 410 pogingen: de meetmethoden en taaksets verschillen. Een afzonderlijke beoordeling van NIST's CAISI noemde GLM-5.3 het cybersterkste open-gewichtmodel tot dan toe, maar plaatste het ongeveer vier maanden achter de Amerikaanse top. Dat ondersteunt de bredere capaciteitsclaim, niet Anthropics resultaten over het omzeilen van weigeringen.

Abliteration.ai biedt GLM-5.3 ook als gehoste dienst aan nadat de weigeringen uit het model zijn verwijderd. Voor een beveiligingsteam is daarmee het onderscheid duidelijk: tests tonen wat een model in afgebakende taken kan, maar de omgeving bepaalt welke systemen het bij gebruik kan bereiken.