Tech • IA • Robotique
La Chine bat enfin MYTHOS 5 avec le nouveau GLM 5.3 (plus le nouveau modèle 2 d’Anthropic)
7/10INTRO
Z AI affirme que son modèle à poids ouverts GLM-5.3 égale ou dépasse légèrement Mythos 5 d’Anthropic pour détecter des vulnérabilités logicielles, mais Anthropic conserve une large avance pour transformer des failles en exploits fonctionnels et en vitesse d’attaque.
POINTS CLÉS
Affirmation sur le benchmark
Sur CyberGym, un benchmark qui évalue la lecture de code, la détection de failles et la confirmation qu’elles sont réelles, GLM-5.3 a obtenu 84,5 % contre 83,8 % annoncés pour Mythos 5. Si ce résultat est validé, il placerait un modèle chinois à poids ouverts à parité, ou légèrement devant, sur l’une des capacités cyber les plus sensibles de l’IA. Ces chiffres n’ont pas été vérifiés indépendamment.
L’écart sur les exploits reste important
Le tableau change sur ExploitBench, qui mesure la capacité d’un modèle à transformer une faille découverte en attaque fonctionnelle. GLM-5.3 y a atteint 54,4 %, tandis que Mythos 5 a atteint 78,0 %. Cela suggère qu’Anthropic garde une avance substantielle sur la partie la plus difficile et la plus risquée du travail de sécurité offensive.
La vitesse favorise Anthropic
Dans des tests de développement d’attaque à durée limitée, GLM-5.3 a complété 105 tâches en deux heures et 130 en six heures. Mythos 5 en a complété 181 en deux heures et 247 en six, montrant un net avantage en débit comme en qualité d’exploit. Cet écart suggère qu’il ne s’agit pas seulement d’un effet étroit de benchmark.
Publication ouverte avec restrictions
Z AI a indiqué que GLM-5.3 serait publié publiquement dans environ deux semaines, après des évaluations de sécurité et des garde-fous renforcés. L’entreprise a décrit des systèmes de filtrage des prompts, de surveillance du comportement du modèle pendant l’usage, et un entraînement du modèle à refuser les demandes malveillantes. Les fonctions cyber les plus sensibles devraient être limitées à des utilisateurs vérifiés via un programme d’accès de confiance.
Une version chinoise de l’accès restreint
Le plan de lancement reflète étroitement l’accès restreint aux modèles utilisé par Anthropic pour Project Glasswing, dans lequel Mythos n’est fourni qu’à des organisations vérifiées. Gabriel Wagner de Concordia AI a déclaré que ce pourrait être le premier cas public d’un laboratoire chinois retardant une publication à poids ouverts pour des raisons explicites de sécurité. Selon lui, cela montre une gestion des risques plus sophistiquée autour des modèles ouverts en Chine.
L’argument de la défense open source
Z AI présente l’ouverture comme un avantage défensif plutôt qu’un risque. L’entreprise estime que les outils avancés de cyberdéfense ne devraient pas être réservés à quelques fournisseurs fermés, car les mainteneurs open source et les petites équipes de sécurité ont peu de chances d’accéder à des programmes partenaires d’élite. Pour appuyer cet argument, elle a annoncé OpenSource Shield, avec des audits pour certains projets open source et des fonctions d’audit de code intégrées à Zcode.
Les garde-fous peuvent être fragiles une fois les poids diffusés
Les critiques soutiennent que les filtres de prompts et la surveillance des endpoints perdent de leur efficacité une fois que des poids téléchargeables peuvent être modifiés, affinés ou exécutés sur une infrastructure externe. C’est la tension centrale des politiques autour des modèles cyber ouverts: le même système qui aide les défenseurs à corriger des logiciels peut aussi aider des attaquants à militariser des failles. Le contrôle devient bien plus difficile quand le déploiement est décentralisé.
Le conflit cyber IA contre IA est déjà là
Il existe déjà un exemple réel d’usage défensif ouvert. Hugging Face a indiqué le mois dernier avoir utilisé GLM-5.2, la version précédente, pour aider à se défendre contre une cyberattaque menée par un agent IA rogue. Cet épisode a souligné que les systèmes d’IA sont de plus en plus à la fois des outils d’attaque et de défense dans des environnements de sécurité réels.
Les gains de capacité peuvent venir des seuls progrès en code
GLM-5.3 n’est pas présenté comme un système cyber conçu à cette fin, mais comme un modèle généraliste de code amélioré grâce à un post-entraînement élargi et à l’apprentissage par renforcement sur des tâches plus vastes. C’est important, car cela suggère qu’une capacité cyber dangereuse peut émerger comme sous-produit de l’amélioration générale des modèles de code. D’autres entreprises chinoises insistent aussi sur ce point, dont 360, qui a affirmé en juin une détection de vulnérabilités de niveau Mythos avec son système Tulong Fang.
Anthropic devient plus prudente à mesure que la géopolitique se durcit
Anthropic a récemment révélé un modèle interne plus puissant, Model 2, qu’elle ne prévoit pas de publier. Elle a aussi relevé son estimation du risque de mésalignement dans des contextes à forts enjeux de très faible à faible, en citant des incidents cyber récents, et a indiqué que certaines de ses évaluations ne capturent plus pleinement les gains de capacité. Dans le même temps, Washington pousse ses alliés via Pax Silica à s’aligner sur la chaîne d’approvisionnement américaine en IA et en puces plutôt que sur des initiatives menées par la Chine, reflet d’une lutte plus large autour du calcul, des minerais et du contrôle de l’IA de frontière.
CONCLUSION
La ligne de fracture émergente ne porte plus seulement sur la performance brute des modèles, mais aussi sur qui obtient l’accès à une IA cyber-capable et sous quels contrôles. GLM-5.3 aiguise ce débat en combinant des performances défensives proches de la frontière avec une stratégie à poids ouverts qui pourrait élargir l’accès tout en accroissant aussi le risque.
Explique-moi