Publicación de investigación del **Frontier Red Team** de Anthropic (autores: **Andrew Fasano**, **Marius Fleischer**, Cole McFaul, Robert Xiao, Tripp Gallagher), publicada el **29 de septiembre de 2026**; aproximadamente **2300 palabras**, seis figuras. Analiza **GLM-5.3** de **Zhipu AI (Z.ai)**, un modelo de pesos abiertos, cinco meses después del anuncio de Claude Mythos Preview. **(A)** Capacidad: en ExploitBench (41 fallos de V8 de Chrome), GLM-5.3 construye un exploit completo en **50 de 410 intentos**, frente a **56 de 410** para Mythos Preview; en el benchmark interno de corrupción de memoria, secuestro del flujo de control en **4%** de los intentos frente a **6%**; Claude Opus 4.6 y GLM-5.2: 0. **(B)** Pruebas con expertos humanos: una cadena de vulnerabilidades 0-day de navegador que culmina en la lectura de los archivos del visitante; con **GLM-5.3-Flash**, una cadena de exploits N-day (CVE-2026-11645) que elude PAC en ARM64, **20 minutos** de atención humana, ocho horas de cómputo, **20,40 $** a precios de API. **(C)** Salvaguardas: eludidas en **64%** de los casos mediante un falso contexto de red-team, **92%** mediante reasoning prefill, **100%** mediante *abliteration* (unas 2200 horas-GPU, 4400 $); los modelos Claude probados permanecen en 0%. **(D)** Recomendaciones: ampliar el acceso de los defensores a modelos de frontera, pruebas gubernamentales independientes. Cita la evaluación de **CAISI** del NIST (17 de septiembre): «el modelo de pesos abiertos más capaz en ciberseguridad publicado hasta la fecha», aproximadamente cuatro meses por detrás de la frontera estadounidense. Amplía las notas del corpus sobre Mythos y 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).
Publicación de anuncio publicada en el **blog oficial de Z.ai** (antes Zhipu AI, laboratorio chino) el **14 de agosto de 2026**, **sin firma individual**, ~2.000 palabras más notas al pie. Anuncia **GLM-5.3**, sucesor de GLM-5.2, y se abre con una tesis metodológica: *« Scaling post-training is all we did for GLM-5.3. »* Mismo modelo base que GLM-5.2 — *« every gain comes from post-training »*. Tres anuncios. **(A) Un modelo de codificación de pesos abiertos**: +50% reivindicado en **Z.ai Code Bench**, un benchmark interno no publicado. **(B) Una capacidad cibernética presentada como "emergente"**, que el cuerpo del texto atribuye a una decisión de entrenamiento — *« 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 »* — lo que resultó sorprendente fue la velocidad y el cambio de naturaleza: el modelo pasa de identificar fallos aislados a *« coherent plans for complete exploitation chains »*. Las ganancias crecen con la posición en la cadena de explotación: CyberGym 77,2 → **84,5%**, ExploitBench 24,4 → **54,4%** (×2,2), ExploitGym 29 → **105** tareas en 2h (×3,6), con una brecha frente a la frontera cerrada que sigue siendo amplia (181 y 247 tareas). Z.ai lo formula así: *« Capability is growing fastest exactly where we are furthest behind. »* La publicación también difunde un **Z.ai Security Disclosure Ledger**: **2.436 vulnerabilidades identificadas en 269 proyectos de código abierto** — núcleos, sistemas operativos, motores de navegador, infraestructura, aplicaciones web, protocolos de red — la más antigua introducida en **1981**, vida media antes del descubrimiento de **26,6 años**, de las cuales **53 divulgadas** y **2.383 bajo embargo**. **(C) Una publicación de los pesos** *« within two weeks of launch, once safety evaluation and hardening are complete »*. El aporte metodológico más reutilizable: la **síntesis de entornos y verificadores**, esta última producida sin acceso a la solución de referencia y admitida solo tras un tríptico de controles negativos — **oracle**, **no-op**, **unsolved-state**. Todas las evaluaciones agénticas se realizan **en Claude Code 2.1.207**.
#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.