Z.ai a entraîné GLM-5.3 pour mieux programmer. Le modèle a appris au passage à être bien meilleur en cybersécurité

Améliorer un modèle d’intelligence artificielle pour la programmation ne signifie plus seulement lui faire écrire du code avec moins d’erreurs. Lorsque nous le formons à fonctionner pendant des heures dans des environnements complexes, à utiliser des outils, à examiner les résultats et à résoudre des problèmes du début à la fin, nous mettons également en avant des compétences qui peuvent apparaître sur des terrains beaucoup plus délicats. C’est précisément ce que Z.ai prétend avoir observé avec GLM-5.3 : à mesure qu’elle augmentait ses capacités post-formation, les capacités liées à la cybersécurité se sont développées plus rapidement que l’entreprise elle-même ne l’avait prévu, en particulier lorsque le travail est passé de l’analyse des vulnérabilités à la tentative de les exploiter.

Ce qui a vraiment changé. GLM-5.3 n’est pas basé sur un nouveau modèle de base : Z.ai explique qu’il utilise exactement le même que GLM-5.2 et que toutes les améliorations viennent du post-entraînement. Au cours du mois dernier, l’entreprise a augmenté le nombre d’environnements, diversifié les tâches et consacré davantage de ressources informatiques à la formation du système sur des tâches longues et rapprochées qu’un ingénieur s’acquitterait. Dans ce mélange, il a délibérément inclus des données et des environnements pour découvrir les vulnérabilités, de sorte que l’amélioration de la cybersécurité ne soit pas venue de nulle part. Ce qui était inattendu, selon Z.ai, c’était jusqu’où cette facette a progressé plus tard, à mesure que la formation continuait de s’intensifier.

Trouver n’est pas exploiter. CyberGym fournit à l’agent une description d’une vulnérabilité et du référentiel correspondant, et mesure s’il peut la reproduire grâce à une preuve de concept qui provoque la panne ; Son ensemble comprend 1 507 vulnérabilités provenant de 188 projets. ExploitBench mesure jusqu’où le système peut progresser en matière d’exploitation, depuis la défaillance jusqu’à l’atteinte de capacités telles que la lecture, l’écriture ou l’exécution de code arbitraire, tandis qu’ExploitGym se concentre directement sur la réalisation des tâches d’exploitation. La différence est importante car prouver qu’un problème existe et le transformer en attaque fonctionnelle sont des défis différents.

Le saut était inattendu. Les chiffres publiés par Z.ai montrent une tendance claire : l’amélioration par rapport à GLM-5.2 s’accroît à mesure que les tests progressent tout au long de la chaîne d’exploitation. Dans CyberGym, GLM-5.3 passe de 77,2 % de son prédécesseur à 84,5 % ; dans ExploitBench, de 24,4% à 54,4%. La différence est encore plus prononcée dans ExploitGym, où il réalise 105 tâches avec le budget normalisé de deux heures et 130 avec celui de six, contre 29 et 39 dans GLM-5.2. L’entreprise interprète ce comportement comme le signe que les phases les plus avancées ont progressé particulièrement rapidement, même si Reuters prévient que les résultats n’ont pas été vérifiés de manière indépendante.

Devant Anthropic. La comparaison avec Mythe 5 permet de mettre ce saut en perspective. Il s’agit d’une version de Claude Fable 5 dépourvue de ses garanties habituelles en matière de cybersécurité et dont l’accès Anthropic limite aux organisations vérifiées. Selon les chiffres publiés par Z.ai, GLM-5.3 atteint 84,5 % dans CyberGym, légèrement au-dessus des 83,8 % de Mythos 5, mais la situation change à mesure que nous nous dirigeons vers l’exploitation. Dans ExploitBench, il obtient 54,4% contre 78% pour Anthropic, et dans ExploitGym, il réalise 105 tâches contre 181 avec le budget normalisé de deux heures. Il peut rivaliser dans les premières phases d’analyse des vulnérabilités, mais il est encore en retard lorsqu’il s’agit de les convertir en attaques fonctionnelles.

En dehors du laboratoire. La firme chinoise assure que ses modèles ont déjà participé à ce travail au-delà des benchmarks. Depuis GLM-5.2, l’entreprise travaille avec plusieurs équipes de sécurité chinoises sur du vrai code et affirme avoir identifié, après expertise, filtrage et déduplication, 2 436 vulnérabilités dans 269 projets. Il existe également un précédent indépendant : Hugging Face a utilisé GLM-5.2 sur sa propre infrastructure pour analyser de manière médico-légale une intrusion réalisée par un agent autonome alimenté par une combinaison de modèles OpenAI, et affirme que cela l’a aidé à déchiffrer une bonne partie des charges utiles récupérées. L’épisode montre l’envers de ces outils : ils peuvent être utilisés pour étudier comment exploiter un bug, mais aussi pour le comprendre et le corriger.

La Chine comble l’écart. En juillet, l’AI Security Institute du Royaume-Uni a classé le GLM-5.2 comme le modèle ouvert le plus performant qu’il ait testé en matière de cybersécurité et a conclu que ses performances étaient comparables aux modèles fermés publiés quatre à sept mois plus tôt, par rapport à une distance de six à dix mois observée pendant une grande partie de 2025. Cette évaluation n’inclut pas le GLM-5.3, mais elle sert à établir la tendance. Z.ai prévoit de publier ses pondérations après avoir terminé les évaluations de sécurité. Si cette distance continue à se réduire, les capacités qui se trouvent aujourd’hui à la frontière fermée pourraient atteindre les modèles téléchargeables plus tôt et sans les mêmes possibilités de contrôle de la part du fournisseur.

Images | Z.ai

À Simseo | La contre-histoire de la mauvaise qualité des centres de données se trouve dans une petite ville des États-Unis qui a été relancée grâce à l’un d’entre eux.