Z.ais GLM-5.2 macht aus einem technischen Benchmark-Wettstreit eine größere Frage für Unternehmen: Wie viel Cybersicherheitskompetenz sollten Unternehmen einem KI-Modell mit offenen Gewichten anvertrauen?
Unabhängige Tests von Semgrep und Graphistry legen nahe, dass das neueste Modell des chinesischen KI-Labors bei bestimmten Aufgaben zur Schwachstellenerkennung und Sicherheitsuntersuchung konkurrenzfähig abschneiden kann. Die Belege stützen eine eng gefasste Aussage zur unterstützten Sicherheitsanalyse, nicht jedoch eine umfassende Gleichwertigkeit mit den zugangsbeschränkten Claude-Mythos-Modellen von Anthropic bei der Exploit-Erstellung oder der autonomen Erforschung von Zero-Day-Schwachstellen.
Benchmark-Tests zeigen einen knappen Sieg
Z.ai, international früher als Zhipu AI bekannt, beschreibt GLM-5.2 als Langkontextmodell, das unter einer MIT-Lizenz veröffentlicht wurde. Die GLM-5.2-Modellkarte gibt an, dass es ein Kontextfenster von 1 Million Tokens unterstützt und Werte von 81,0 bei Terminal-Bench 2.1 sowie 62,1 bei SWE-bench Pro meldet.
Dabei handelt es sich um vom Anbieter gemeldete Coding-Benchmarks, nicht um einen direkten Beleg für die Cybersicherheitsleistung. Die aussagekräftigeren Belege stammen aus externen Sicherheitstests, wobei diese Tests zugleich zeigen, warum die Darstellung als „Mythos-Konkurrent“ eingeschränkt werden muss.
Im IDOR-Benchmark von Semgrep, erzielte GLM-5.2 bei der Erkennung unsicherer direkter Objektverweise einen F1-Wert von 39 %. Damit lag das Modell vor zwei Claude-Code-Konfigurationen mit 37 % und 28 %, aber hinter Semgreps eigener multimodaler Pipeline mit 53 % bis 61 %.
Der Vergleich ist nützlich, aber kein sauberer Sieg eines Modells über ein anderes, da Semgreps besser abschneidende Pipeline einen eigens entwickelten Workflow nutzte.
Graphistrys CyBT-CTF-Evaluierung zeigte ein ähnliches Muster. GLM-5.2 erreichte eine Lösungsquote von 28/59 und war damit das beste Modell mit offenen Gewichten in diesem Test; zugleich lag es gleichauf mit einigen Setups proprietärer Modelle. Graphistry stellte außerdem fest, dass sein Louie.ai-Harness mit Claude Opus 35/59 erzielte – ein Hinweis darauf, dass Tools und Orchestrierung das Ergebnis verändern können.
Die Behauptung fügt sich zudem in ein breiteres APAC-Muster ein. Z.ai ist nicht der einzige regionale Akteur, der KI-Systeme gegen Cybersicherheits-Tools der Mythos-Klasse positioniert; ein anderes chinesisches Cybersicherheitsunternehmen hat kürzlich eine ähnliche Behauptung zur KI-gestützten Suche nach Schwachstellen aufgestellt.
Zusammengenommen stützen die öffentlich verfügbaren Ergebnisse GLM-5.2 als ernst zu nehmendes Modell für die unterstützte Schwachstellenanalyse. Sie belegen nicht, dass es Mythos bei der Exploit-Erstellung, der Bewaffnung von Exploits oder der offensiven Forschung von Anfang bis Ende ebenbürtig ist.
Der Einsatz mit offenen Gewichten birgt Risiken für Unternehmen
Das Design mit offenen Gewichten ist das zentrale Unternehmensthema hinter der Benchmark-Debatte. Anders als proprietäre API-Systeme kann GLM-5.2 heruntergeladen und innerhalb der eigenen Umgebung eines Unternehmens betrieben werden. Das kann für Teams attraktiv sein, die mit vertraulichem Quellcode, Protokollen oder Schwachstellenberichten arbeiten, die interne Systeme nicht ohne Weiteres verlassen dürfen. Der Wert des Modells hängt jedoch weniger von einer Gleichwertigkeit bei den Schlagzeilen-Benchmarks ab als davon, ob es überwachte Workflows verbessern kann, ohne die Governance zu schwächen.
Der lokale Einsatz verlagert außerdem die Verantwortung. Unternehmen, die GLM-5.2 betreiben, müssen Zugriffskontrollen, Protokollierung, Überwachung, Red-Team-Tests und die Durchsetzung von Richtlinien selbst verwalten. Schutzvorkehrungen auf Anbieterseite verlieren an Bedeutung, sobald ein Modell heruntergeladen, verändert oder mit internen Tools verbunden wird. Deshalb werden KI-Veröffentlichungen mit Zugangsbeschränkung zu einem Bestandteil der breiteren Debatte über cyberfähige Modelle.
Dieser Zielkonflikt wirkt in beide Richtungen. Verteidiger können Modelle mit offenen Gewichten nutzen, um Code-Reviews, die Triage von Schwachstellen und Sicherheitsuntersuchungen zu beschleunigen. Angreifer können dieselbe Zugänglichkeit nutzen, um Ziele zu testen, die Aufklärung zu automatisieren oder Schutzvorkehrungen zu entfernen. Axios berichtete , dass US-Behörden kürzlich eine begrenzte Rückkehr von Anthropics Mythos-Modellen erlaubten, nachdem zuvor aufgrund von Cybersicherheitsbedenken Beschränkungen gegolten hatten.
Beschaffungsteams sollten GLM-5.2 als ein zu evaluierendes Modell betrachten, nicht als Ersatz für Mythos. Die aussichtsreichsten kurzfristigen Einsatzfälle sind von Menschen überwachte Code-Reviews, die Triage von Schwachstellen und interne Sicherheitsanalysen. Aktuelle Vorwürfe zur KI-Destillation zeigen zudem, warum die Herkunft von Modellen, Zugriffskontrollen und Sicherheitsversprechen zu Beschaffungsthemen werden – und nicht nur Anliegen von Forschungslaboren bleiben.
Worauf es als Nächstes zu achten gilt: unabhängige, auf Exploits fokussierte Evaluierungen von GLM-5.2, Berichte über den tatsächlichen Einsatz in Unternehmen und politische Maßnahmen zur Verbreitung von Modellen mit offenen Gewichten.
Mehr lesen: Für weiteren Kontext dazu, wie Anthropics cyberfähige KI-Systeme zu einem politischen Brennpunkt wurden, siehe diese Zeitleiste zu Claudes Konfrontation mit der US-Regierung.