Z.ai entrena a GLM-5.3 para mejorar en ciberseguridad
Mejorar un modelo de inteligencia artificial para programar ya no implica solo reducir errores en el código. Z.ai afirma haber observado cómo, al entrenar a GLM-5.3 para desenvolverse en entornos complejos, surgió un avance inesperado en ciberseguridad, especialmente en la fase de explotación de vulnerabilidades.
¿Qué cambió realmente en GLM-5.3?
Z.ai explica que GLM-5.3 se basa en el mismo modelo que su predecesor, GLM-5.2, con todas las mejoras provenientes del post-training. Durante el último mes, la empresa amplió los entornos de entrenamiento, diversificó las tareas y dedicó más recursos a simulaciones de trabajos complejos similares a los que realizaría un ingeniero. Incluyó datos y entornos para descubrir vulnerabilidades, lo que impulsó el crecimiento en ciberseguridad.
Comparación en pruebas de ciberseguridad
Los resultados muestran un claro avance de GLM-5.3 en las pruebas de ciberseguridad, superando a su predecesor en CyberGym (84,5% frente a 77,2%) y en ExploitBench (54,4% frente a 24,4%). La diferencia se agudiza en ExploitGym, donde GLM-5.3 completa 105 tareas con un presupuesto de dos horas, frente a las 29 logradas por GLM-5.2.
Avances frente a Anthropic
La comparación con Mythos 5 muestra que GLM-5.3 puede competir en las primeras fases del análisis de vulnerabilidades, pero queda rezagado en la conversión de estas en ataques funcionales. A pesar de ello, los avances son significativos y demuestran el potencial en ciberseguridad del modelo entrenado por Z.ai.
Aplicaciones reales y reducción de la brecha tecnológica
Z.ai ya ha trabajado con equipos de seguridad en China, identificando vulnerabilidades en proyectos reales. Esto demuestra el potencial práctico de GLM-5.3 más allá de los benchmarks. Con la reducción de la brecha tecnológica en ciberseguridad, modelos como GLM-5.3 podrían acercar capacidades avanzadas a usuarios descargables de forma más rápida.
En conclusión, el entrenamiento de GLM-5.3 por parte de Z.ai ha demostrado avances inesperados en ciberseguridad, mostrando el potencial de la inteligencia artificial para mejorar en tareas complejas y críticas como la protección de sistemas y datos.
