Model przejrzał 269 projektów open source i znalazł 2436 błędów — najstarszy z 1981 roku

Z.ai wydał GLM-5.3 14 sierpnia i najciekawszą liczbę schował głęboko w komunikacie. Współpracując z zespołami bezpieczeństwa w Chinach, firma skierowała model na realne repozytoria otwartego oprogramowania. Po weryfikacji ekspertów, przesianiu i usunięciu powtórzeń model wskazał **2436 podatności w 269 projektach** — 107 oznaczonych jako krytyczne, 990 jako wysokie, 1286 jako średnie i 53 jako niskie. Znaleziska obejmują jądra systemów, systemy operacyjne, silniki przeglądarek, biblioteki infrastrukturalne, aplikacje webowe i protokoły sieciowe. Uderzająca jest nie liczba, tylko wiek. Według danych Z.ai przeciętna wada tkwiła w kodzie **26,6 roku**, zanim ktokolwiek ją zauważył, a najstarsza została wprowadzona w **1981 roku** — czterdzieści pięć lat oddziaływania. To nie są świeże regresje w szybko zmieniających się projektach; to defekty, które przetrwały wszystkie ludzkie przeglądy kodu, analizatory statyczne i kampanie fuzzingu ostatnich czterech dekad. Z.ai twierdzi, że ta zdolność nie była celem. Środowiska wyszukiwania podatności dodano do dotrenowania, licząc na to, że model lepiej wychwyci pojedyncze błędy; wyszedł z tego — słowami firmy — model rozumujący o wielu etapach ataku i układający spójne plany całych łańcuchów. Wyniki testów potwierdzają jednak twierdzenie węższe: na CyberGym, który startuje od kodu źródłowego i sprawdza, czy model potrafi znaleźć i potwierdzić podatność, GLM-5.3 uzyskuje 84,5% wobec 77,2% poprzednika, minimalnie przed Claude Mythos 5 (83,8%) i GPT-5.6 Sol (83,6%). Dalej w łańcuchu przewaga znika — na ExploitBench osiąga 54,4% wobec 78,0% Mythos 5, a na ExploitGym wykonuje 105 zadań w dwie godziny wobec 181. Z.ai pisze to wprost: przewaga leży na początku łańcucha, a dystans do zamkniętej czołówki jest największy tam, gdzie zdolność waży najwięcej. Nietypowe jest to, że ujawnieniu towarzyszy udokumentowany ślad. Z.ai opublikował publiczny rejestr pod adresem cvd.z.ai, w którym każde znalezisko jest odnotowane wraz z przebiegiem skoordynowanego ujawniania: projekt, poziom krytyczności, numer CVE jeśli przyznano oraz to, jak długo wada siedziała w kodzie. W dniu ogłoszenia **53 znaleziska były jawne, a 2383 pozostawały pod embargiem** — i to jest właściwa historia. Jeden przebieg modelu wytworzył zaległość nieujawnionych podatności większą niż roczny wolumen niejednego krajowego zespołu CERT, a harmonogram trzymają teraz opiekunowie tych 269 projektów. GLM-5.3 nie był w dniu premiery do pobrania. Z.ai zapowiedział wagi na około dwa tygodnie po ogłoszeniu, a API oznaczył jako wkrótce; na razie model działa przez abonament GLM Coding Plan i agenta ZCode. Kiedy wagi się pojawią, ta sama zdolność, która zapełniła rejestr, stanie się dostępna dla każdego, kto ma sprzęt do jej uruchomienia — co jest argumentem za wydawaniem etapowym i argumentem przeciwko niemu, zależnie od tego, kto go używa. *Nota redakcyjna: wujec.ai opisuje zdolności bezpieczeństwa jako opublikowaną właściwość tych modeli. Nie przytaczamy materiału umożliwiającego atak i odsyłamy wyłącznie do prowadzonego przez producenta rejestru skoordynowanego ujawniania.*