// HEISE ONLINE — INTELLIGENZA ARTIFICIALE
Neue Version des Open-Weight-Modells: GLM 5.3 verbessert Sicherheitsfähigkeiten
Derzeit haben nur zahlende Kunden Zugriff auf das neueste Modell der chinesischen Firma. Eine Downloadmöglichkeit gibt es erst später – aus Sicherheitsgründen.
Die Buchstaben AI umfliegen Haken und Warndreiecke.
This article is also available in
English.
It was translated with technical assistance and editorially reviewed before publication.
Das chinesische KI-Unternehmen z.ai hat die neueste Version seines Open-Weight-Modells GLM 5.3 veröffentlicht. Das Modell setzt auf den Trainingsdaten seines Vorgängers auf – alle Verbesserungen hat das Unternehmen nach dem Training vorgenommen. Die liegen vor allem in der Quellcodeentwicklung und Cybersicherheit: Die neue Version sei das fähigste Open-Weight-Modell für Softwareentwicklung und habe seine Security-Leistung mehr als verdoppelt, behaupten seine Schöpfer.
Der Hersteller hat sein Modell vor allem mit „Environment Scaling“ verbessert, es also reihenweise künstlich erzeugte Aufgaben lösen lassen. Dabei hat z.ai auch solche Aufgaben eingestreut, die einen erfahrenen Softwareentwickler mehrere Arbeitstage kosten würden. In Benchmarks wie Terminal Bench 3.0, SWE-Marathon und FrontierSWE verbessert sich GLM 5.3 gegenüber dem Vorgänger teils deutlich und hält den Anschluss an die Spitzenreiter, also die Frontier-Modelle von Anthropic und OpenAI.
Als Sicherheitsforscher soll das neue Modell ebenfalls eine bessere Figur als sein Vorgänger machen. Es soll nicht nur simple Lücken, sondern auch mehrstufige Exploit-Ketten erkennen. Im CyberGym-Benchmark, der das Finden einfacher Sicherheitsfehler anhand von Quellcodeanalyse prüft, schlägt GLM 5.3 das zweitplatzierte Mythos 5 um knapp einen halben Prozentpunkt, bei ExploitBench und ExploitGym muss sich das Modell dem Konkurrenten aus dem Hause Anthropic jedoch noch geschlagen geben. Doch auch bei den komplexen Aufgaben dieser Benchmarks hat die Leistung laut z.ai einen Sprung gemacht.
In Zusammenarbeit mit verschiedenen Sicherheitsforschern aus China hat sich z.ai sodann echten Quellcode vorgenommen und in knapp 270 Projekten insgesamt 2436 neue Sicherheitslücken entdeckt. Mehr als 100 davon sind kritisch, etwa im Linux-Kernel, WinRAR, Redis oder FFmpeg. Das Gros der Lücken blieb jahrelang unentdeckt, die älteste Sicherheitslücke hat 45 Jahre auf dem Buckel. In ihrem „Vulnerability Ledger“ zeigt die KI-Firma Statistiken und gibt Auskunft über die Lücken. Details gibt es jedoch nur für gut vier Dutzend derselben – die meisten anderen Fehler haben die Finder bislang nicht einmal an die zuständigen Entwickler gemeldet.
Ein interessantes Projekt auf Basis von GLM 5.3 ist zudem OpenVuln. Offenbar bietet z.ai hier den Entwicklern von Software eine Sicherheitsüberprüfung ihrer Projekte an – zu welchem Preis, ist jedoch unklar. Wer ein Projekt auf GitHub verwaltet, könne einfach den URL zum Repository angeben und „OpenVuln jagt dessen Schwachstellen“, verspricht z.ai.
Wer GLM 5.3 bei der täglichen Arbeit nutzen möchte, kann das derzeit nur als zahlender Kunde bei z.ai: Wer ein Abonnement des „z.ai Coding Plan“ gebucht hat oder den unternehmenseigenen Harness ZCode nutzt, kann das neue Modell bereits auswählen. Denn obgleich es wie seine Vorgänger als „Open Weight“-Modell zum Download auf HuggingFace bereitstehen sollte, verschiebt der Hersteller den Veröffentlichungstermin. „Wir werden die Gewichte in zwei Wochen nach dem Launch veröffentlichen, sobald die Sicherheitsauswertung und Härtung abgeschlossen sind“, schreibt z.ai in seiner Ankündigung unter dem wohl irrtümlich gewählten Stichwort „Open Source“.
Die Sicherheit von Frontier-Modellen ist derzeit heiß diskutiert. Nachdem bekannt geworden war, dass eine KI HuggingFace angegriffen hatte, ist auch das britische AI Safety Institute in ähnliche Vorfälle verwickelt. Es beobachtete Mythos und GPT-5.6-Sol während eines Laborexperiments beim Lügen, Social Engineering und Phishing gegen Open-Source-Maintainer. In einem Webinar erklären wir Ihnen Anfang Oktober: So verteidigt man