Z.ai ha realizado avances significativos al entrenar su modelo GLM-5.3, logrando no solo una disminución en los errores de programación, sino también un notable incremento en habilidades relacionadas con la ciberseguridad. La compañía ha observado que, a medida que se intensificaba el entrenamiento del modelo, sus capacidades en este campo evolucionaron más rápido de lo previsto, especialmente en la identificación y explotación de vulnerabilidades.
El modelo GLM-5.3 se basa en la misma arquitectura que su predecesor, GLM-5.2, y las mejoras han surgido del post-training. Durante el último mes, Z.ai amplió su enfoque al diversificar los entornos de prueba y aumentar el tiempo de entrenamiento, lo que permitió al modelo enfrentar problemas complejos como los que resolvería un ingeniero en la vida real. Esto incluyó deliberadamente la inclusión de datos para detectar vulnerabilidades, lo que ha resultado en una mejora efectiva en ciberseguridad.
Las pruebas realizadas en plataformas como CyberGym y ExploitBench han mostrado un avance notable del GLM-5.3 frente a GLM-5.2, con un aumento en la capacidad de explotación que va desde un 24,4% a un 54,4% en ExploitBench. Sin embargo, el modelo aún se queda atrás frente a competidores como Mythos 5 de Anthropic en la fase de explotación, completando 105 tareas en comparación con las 181 de su rival en el mismo tiempo.
Z.ai ha trabajado con equipos de seguridad en China y ha reportado la identificación de 2,436 vulnerabilidades en 269 proyectos. Aunque los resultados son prometedores, aún no han sido verificados de manera independiente, y se espera que la compañía comparta más información tras concluir sus evaluaciones de seguridad. Esto podría marcar un cambio importante en el acceso a herramientas de ciberseguridad más avanzadas en el futuro.
