Z.ai dice que su GLM-5.3 abierto supera a Claude Mythos 5 encontrando vulnerabilidades, aunque no explotándolas
La startup china publicó resultados propios en el benchmark de ciberseguridad CyberGym donde GLM-5.3 saca ligera ventaja a Mythos 5 y GPT-5.6 Sol en hallazgo de fallos, pero se queda atrás cuando se trata de convertir esos hallazgos en ataques funcionales.
Z.ai reportó que GLM-5.3 obtiene 84,5 puntos en CyberGym —un benchmark que evalúa si un modelo puede encontrar y validar vulnerabilidades reales a partir de código fuente abierto— por encima de los 83,8 de Claude Mythos 5 de Anthropic y los 83,6 de GPT-5.6 Sol de OpenAI. La compañía atribuye la mejora al post-entrenamiento sobre la misma base que ya usaba GLM-5.2, y afirma que parte de la capacidad para encadenar exploits surgió como efecto no buscado de ese proceso, no como objetivo de diseño.
El cuadro se matiza en otra prueba: en ExploitBench, que mide la capacidad de convertir una vulnerabilidad detectada en un ataque que realmente funcione, GLM-5.3 anota apenas 54,4%, muy por debajo del 78% de Mythos 5. Es decir, el modelo de Z.ai es competitivo encontrando fallos pero todavía queda corto explotándolos, al menos según estos números.
Un punto importante para quien lea estos resultados con cautela: las cifras provienen de la propia Z.ai y todavía nadie fuera de la compañía las ha verificado de forma independiente. Además, los pesos del modelo se publicarán recién dentro de dos semanas, un retraso que la empresa vincula explícitamente a evaluaciones de seguridad y endurecimiento antes de liberarlo.