Сравнение, однако, меняется на более сложных задачах. Когда модели требовалось превратить найденную уязвимость в работающий эксплойт, GLM-5.3 заметно уступила Mythos 5. Поэтому новый китайский релиз пока правильнее рассматривать как сильного конкурента в поиске и подтверждении ошибок, а не как полный аналог специализированной кибермодели Anthropic.
GLM-5.3 набрала 84,5% в CyberGym
CyberGym проверяет способность модели анализировать программный код, находить потенциальные уязвимости и подтверждать, что обнаруженная проблема действительно существует.
По данным Z.ai, результат GLM-5.3 составил 84,5%. Для Claude Mythos 5 компания приводит показатель 83,8%. Разница небольшая, но позволяет Z.ai заявлять, что её модель приблизилась к одному из наиболее сильных закрытых ИИ-инструментов для кибербезопасности.
Важно, что эти цифры опубликованы самой Z.ai и пока не подтверждены независимым тестированием. Поэтому результат показывает заявленный компанией уровень модели, но не доказывает её безусловное превосходство над Mythos 5.
| Тест | GLM-5.3 | Claude Mythos 5 |
|---|---|---|
| CyberGym | 84,5% | 83,8% |
| ExploitBench | 54,4% | 78,0% |
Разница между двумя тестами хорошо показывает, насколько неодинаковыми могут быть способности современных ИИ-моделей в разных задачах кибербезопасности.
В создании эксплойтов Mythos 5 остаётся значительно сильнее
На ExploitBench результат оказался другим.
Этот тест проверяет более сложный сценарий: недостаточно найти ошибку в программе, необходимо продвинуться дальше и превратить уязвимость в работающую последовательность эксплуатации.
GLM-5.3 набрала 54,4%, тогда как Claude Mythos 5 получила 78,0%.
Разрыв составляет более 23 процентных пунктов. Это показывает, что близкие результаты в поиске уязвимостей ещё не означают сопоставимую способность проводить последующие этапы исследования.
Anthropic ранее отдельно сообщала, что Mythos-класс моделей умеет находить сложные программные ошибки, создавать элементы эксплойтов и в некоторых случаях объединять их в полноценные цепочки атак. Именно такие возможности стали одной из причин ограниченного распространения Mythos среди проверенных организаций.
На длинных киберзадачах GLM-5.3 тоже отстаёт
Z.ai также сравнила модели в тесте с ограничением по времени.
За два часа GLM-5.3 выполнила 105 задач, связанных с разработкой атак, а за шесть часов — 130. Mythos 5 за те же промежутки времени справилась соответственно со 181 и 247 задачами.
Таким образом, основной успех GLM-5.3 пока относится именно к обнаружению и подтверждению уязвимостей.
Когда задача становится длиннее и требует нескольких последовательных этапов, преимущество Mythos 5 остаётся заметным.
GLM-5.3 выросла из универсальной модели для программирования
Z.ai не создавала GLM-5.3 как отдельный специализированный инструмент исключительно для кибербезопасности.
Компания сообщает, что модель использует ту же базовую архитектуру, что и GLM-5.2, но получила более продолжительное и разнообразное обучение на агентных задачах, включая дополнительное обучение с подкреплением.
Это отличает её от специализированных систем, которые проектируются непосредственно вокруг поиска уязвимостей.
GLM-5.2 сама по себе позиционируется Z.ai как универсальная модель для программирования и продолжительных агентных задач. Она поддерживает контекст до одного миллиона токенов и рассчитана на работу с крупными проектами, терминалом и сложными последовательностями действий.
В GLM-5.3 компания, судя по опубликованным данным, усилила именно способность модели долго работать над одной задачей и самостоятельно менять стратегию по мере получения новых результатов.
Что такое Claude Mythos 5
Claude Mythos 5 — специализированная версия одной из самых мощных моделей Anthropic для кибербезопасности и биологических исследований.
Она использует ту же базовую модель, что и Claude Fable 5, но часть ограничений, связанных с кибербезопасностью, для проверенных пользователей снята. Anthropic предоставляет Mythos 5 ограниченному числу организаций через программу доверенного доступа.
Anthropic пошла на такие ограничения из-за уровня возможностей модели.
В собственных исследованиях компания показала, что Mythos-класс моделей способен самостоятельно находить ранее неизвестные уязвимости в сложном программном обеспечении, а в некоторых случаях создавать работающие эксплойты.
По состоянию на май 2026 года Anthropic сообщала о 1596 раскрытых уязвимостях в 281 проекте с открытым исходным кодом, найденных в рамках работы Claude Mythos Preview. 97 проблем к тому моменту были исправлены разработчиками.
Именно поэтому Mythos 5 стала удобной точкой сравнения для компаний, которые хотят показать возможности собственных моделей в кибербезопасности.
Z.ai пока не выпускает все возможности GLM-5.3 без ограничений
Несмотря на ставку на открытость, Z.ai не собирается сразу предоставлять наиболее чувствительные функции модели всем пользователям.
Компания планирует публично выпустить GLM-5.3 примерно через две недели после анонса, завершив дополнительные проверки безопасности. При этом наиболее мощные возможности в сфере кибербезопасности должны предоставляться проверенным пользователям через отдельную программу trusted access.
Z.ai также заявила о нескольких уровнях защиты самой модели. Система должна проверять потенциально опасные запросы, контролировать выполняемые моделью действия и отклонять задачи, которые классифицируются как вредоносные.
Компания пытается разделять вредоносные сценарии и законные задачи специалистов по безопасности, например поиск ошибок, обучение, исправление уязвимостей и авторизованное тестирование инфраструктуры.
Подобный подход уже используют американские разработчики передовых моделей. Anthropic ограничивает Mythos 5 проверенными организациями именно из-за риска применения её возможностей для реальных атак.
Открытая модель создаёт отдельную проблему с ограничениями
Для Z.ai ситуация сложнее, если компания действительно распространит GLM-5.3 как открытую модель.
Защиту облачного сервиса можно контролировать на стороне разработчика: анализировать запросы, блокировать отдельные действия и ограничивать аккаунты. После загрузки весов модели пользователем такой контроль становится значительно слабее.
Модель можно запускать на сторонней инфраструктуре, модифицировать и подключать к собственным инструментам. Reuters отмечает, что именно возможность сохранения защитных ограничений после открытого релиза остаётся одним из спорных вопросов вокруг таких систем.
Z.ai пока не раскрыла все технические подробности будущего распространения GLM-5.3, поэтому окончательно оценить ограничения можно будет после публикации модели и условий лицензии.
Z.ai запускает Open Source Shield
Вместе с GLM-5.3 компания анонсировала инициативу Open Source Shield.
В её рамках Z.ai собирается использовать новые кибервозможности для проверки проектов с открытым исходным кодом, предоставлять разработчикам доступ к модели для защитных задач и добавлять инструменты аудита кода в собственный продукт ZCode.
Логика программы напоминает подход Anthropic с Project Glasswing.
Anthropic предоставляет Mythos проверенным организациям и разработчикам критически важного программного обеспечения, чтобы они могли искать уязвимости раньше злоумышленников. В июне компания сообщала о расширении Project Glasswing примерно ещё на 150 организаций из более чем 15 стран.
Z.ai предлагает похожую идею, но делает акцент на доступности технологий для небольших команд и разработчиков открытого ПО.
Китайские разработчики сокращают разрыв в сложных ИИ-задачах
GLM-5.3 продолжает тенденцию, при которой китайские модели всё чаще конкурируют с американскими системами уже не только по обычным языковым тестам.
Z.ai ранее позиционировала GLM-5.2 как модель для сложного программирования и продолжительных агентных задач. В официальных результатах компания сообщала о 81 балле в Terminal-Bench 2.1 и 62,1 балла в SWE-bench Pro.
Теперь разработчик пытается перенести эти возможности в кибербезопасность.
Результат CyberGym показывает, что по отдельным задачам разрыв действительно может быть небольшим. Но ExploitBench и испытания с ограничением времени одновременно демонстрируют, что более сложные этапы автономной работы остаются слабым местом GLM-5.3 по сравнению с Mythos 5.
Поэтому говорить о полном достижении уровня Anthropic пока рано.
Почему сравнение GLM-5.3 и Mythos 5 имеет значение
Поиск программных уязвимостей становится одним из направлений, где рост возможностей больших языковых моделей особенно хорошо измеряется на практических задачах.
Если модель умеет анализировать миллионы строк кода и самостоятельно находить ошибки, она может значительно ускорить работу команд безопасности. Та же способность одновременно имеет двойное назначение: найденную уязвимость можно исправить, а можно попытаться использовать для атаки.
Anthropic именно этим объясняет строгий доступ к Mythos 5. Компания считает, что современные модели уже достаточно сильны, чтобы существенно снизить стоимость и сложность отдельных киберопераций.
GLM-5.3 показывает, что подобные возможности начинают появляться и у моделей, которые разработчики собираются распространять значительно шире.
Z.ai заявляет о 84,5% в CyberGym против 83,8% у Mythos 5, но пока серьёзно отстаёт в ExploitBench — 54,4% против 78,0%. Результаты ещё предстоит подтвердить независимым тестированием.
Публичный выпуск GLM-5.3 ожидается примерно через две недели. После него станет понятнее, насколько заявленные показатели воспроизводятся вне тестовой инфраструктуры самой Z.ai и какие ограничения компания сохранит для наиболее чувствительных функций модели.
