Forschungsbeitrag des **Frontier Red Team** von Anthropic (Autoren: **Andrew Fasano**, **Marius Fleischer**, Cole McFaul, Robert Xiao, Tripp Gallagher), veröffentlicht am **29. September 2026**; rund **2.300 Wörter**, sechs Abbildungen. Er analysiert **GLM-5.3** von **Zhipu AI (Z.ai)**, ein offengewichtetes Modell, fünf Monate nach der Ankündigung von Claude Mythos Preview. **(A)** Fähigkeit: Auf ExploitBench (41 Chrome-V8-Bugs) erstellt GLM-5.3 einen vollständigen Exploit in **50 von 410 Versuchen**, gegenüber **56 von 410** bei Mythos Preview; beim internen Benchmark zu Speicherkorruption, Kontrollflussübernahme in **4 %** der Versuche gegenüber **6 %**; Claude Opus 4.6 und GLM-5.2: 0. **(B)** Versuche mit menschlichen Experten: eine Browser-0-Day-Schwachstellenkette, die im Lesen der Dateien des Besuchers gipfelt; mit **GLM-5.3-Flash** eine N-Day-Exploit-Kette (CVE-2026-11645), die PAC auf ARM64 umgeht, **20 Minuten** menschlicher Aufmerksamkeit, acht Stunden Rechenzeit, **20,40 $** zu API-Preisen. **(C)** Schutzmechanismen: in **64 %** der Fälle über einen falschen Red-Team-Kontext umgangen, **92 %** über Reasoning-Prefill, **100 %** über *Abliteration* (etwa 2.200 GPU-Stunden, 4.400 $); die getesteten Claude-Modelle bleiben bei 0 %. **(D)** Empfehlungen: breiteren Zugang für Verteidiger zu Frontier-Modellen, unabhängige staatliche Tests. Zitiert die **CAISI**-Bewertung des NIST (17. September): „das bislang fähigste im Bereich Cyber veröffentlichte offengewichtete Modell", etwa vier Monate hinter der US-Frontier. Erweitert die Anmerkungen des Korpus zu Mythos und Glasswing.
#GLM-5.3#Zhipu AI#Z.ai
Andrew Fasano · Marius Fleischer · Cole McFaul · Robert Xiao · Tripp Gallagher ; Frontier Red Team · Anthropic (billet de recherche du site anthropic.com).
Ankündigungsbeitrag, veröffentlicht im **offiziellen Z.ai-Blog** (ehemals Zhipu AI, chinesisches Labor) am **14. August 2026**, **ohne namentliche Autorenangabe**, ~2.000 Wörter plus Fußnoten. Er kündigt **GLM-5.3** an, den Nachfolger von GLM-5.2, und eröffnet mit einer methodischen These: *« Scaling post-training is all we did for GLM-5.3. »* Dasselbe Basismodell wie GLM-5.2 — *« every gain comes from post-training »*. Drei Ankündigungen. **(A) Ein Coding-Modell mit offenen Gewichten**: +50 % beansprucht auf **Z.ai Code Bench**, einem unveröffentlichten internen Benchmark. **(B) Eine als „emergent" dargestellte Cyber-Fähigkeit**, die der Fließtext auf eine Trainingsentscheidung zurückführt — *« As part of post-training, we introduced vulnerability discovery data and environments into the training mix. We expected this to make the model better at finding and reasoning about vulnerabilities »* — überraschend waren die Geschwindigkeit und der Wandel in der Natur: Das Modell geht von der Identifizierung isolierter Schwachstellen zu *« coherent plans for complete exploitation chains »* über. Die Gewinne wachsen mit der Position in der Exploitation-Kette: CyberGym 77,2 → **84,5 %**, ExploitBench 24,4 → **54,4 %** (×2,2), ExploitGym 29 → **105** Aufgaben in 2 h (×3,6), wobei der Abstand zur geschlossenen Frontier weiterhin groß bleibt (181 und 247 Aufgaben). Z.ai formuliert es so: *« Capability is growing fastest exactly where we are furthest behind. »* Der Beitrag veröffentlicht zudem ein **Z.ai Security Disclosure Ledger**: **2.436 identifizierte Schwachstellen in 269 Open-Source-Projekten** — Kernel, Betriebssysteme, Browser-Engines, Infrastruktur, Webanwendungen, Netzwerkprotokolle — die älteste eingeführt **1981**, durchschnittliche Lebensdauer bis zur Entdeckung **26,6 Jahre**, davon **53 offengelegt** und **2.383 unter Embargo**. **(C) Eine Gewichtsfreigabe** *« within two weeks of launch, once safety evaluation and hardening are complete »*. Der am ehesten übertragbare methodische Beitrag: **Synthese von Umgebungen und Verifiern**, wobei Letztere ohne Zugriff auf die Referenzlösung erzeugt und erst nach einem Triptychon negativer Kontrollen zugelassen werden — **oracle**, **no-op**, **unsolved-state**. Alle agentischen Evaluierungen werden **in Claude Code 2.1.207** durchgeführt.
#GLM-5.3#GLM-5.2#Z.ai
**Z.ai** (anciennement **Zhipu AI**) · laboratoire d'IA chinois · éditeur de la famille **GLM**. Billet **institutionnel et non signé** : aucun auteur nommé · aucun chercheur mis en avant · aucun lien vers un rapport technique ou une carte de modèle. Publié le **14 août 2026**. La page est une SPA React — le HTML servi est un `<div id="root">` vide · et le texte comme les scores ont dû être extraits du bundle `glm-5.3-BCnx8T5_.js` · où ils figurent en valeurs source.