Китайская Zhipu AI выпустила открытую модель GLM-5.2, сопоставимую с западными ИИ в задачах поиска уязвимостей

Китайская компания Zhipu AI (также известная как Z.ai) представила открытую модель GLM-5.2 с доступными весами, которая, по заявлениям ряда исследователей, в отдельных сценариях сопоставима с передовыми моделями западных разработчиков в задачах поиска программных уязвимостей и кибербезопасности.

Речь идёт об open-weight системе, веса которой доступны для загрузки и локального запуска на стандартном оборудовании. Такой подход позволяет разработчикам и энтузиастам свободно использовать модель, донастраивать её под свои задачи и запускать без обращения к облачным сервисам.

По данным исследователей, GLM-5.2 демонстрирует результаты, близкие к уровню моделей Anthropic и OpenAI в ряде узкоспециализированных сценариев, связанных с анализом кода и поиском уязвимостей. При этом в более общих задачах, таких как диалоговое взаимодействие и комплексное рассуждение, модель, по оценкам, всё ещё уступает ведущим западным системам.

Согласно опубликованным данным компании Semgrep, автора security-бенчмарка и методологии тестирования LLM на уязвимости, модель набрала около 39% F1 в задаче обнаружения IDOR-уязвимостей, превзойдя Claude Code (примерно 32–37% в зависимости от конфигурации), но уступив специализированным пайплайнам с расширенной инфраструктурой анализа (до 53–61% F1). В тестах использовался единый промпт без дополнительного «harness-обвеса» для open-weight моделей.

Отдельно подчёркивается, что результаты нельзя интерпретировать как прямое сравнение общей «интеллектуальной» способности моделей: значительная часть разницы формируется не самой моделью, а вспомогательной системой выполнения задач, включая навигацию по коду и обработку контекста.

Независимый исследовательский контур, который анализирует поведение моделей и сравнивает результаты бенчмарков, Graphistry, также отмечает высокую корреляцию паттернов ошибок GLM-5.2 с результатами ряда закрытых моделей, включая Claude и GPT-5.5, что в отдельных анализах интерпретируется как возможный признак дистилляции, однако прямых доказательств этому не приводится — речь идёт о статистических наблюдениях.

В практическом плане модель демонстрирует низкую стоимость применения: в одной из конфигураций Semgrep оценил стоимость обнаружения одной уязвимости примерно в $0.17, что делает её одной из наиболее дешёвых среди сопоставимых решений в тесте.

При этом исследователи подчёркивают, что открытая доступность подобных моделей снижает порог входа для автоматизации атакующих сценариев, поскольку позволяет запускать и адаптировать инструменты поиска уязвимостей локально, без ограничений со стороны провайдера.

Факт сокращения разрыва в критических областях вызвал обеспокоенность в США. В материале отмечается, что американские власти рассматривают подобные модели как потенциальный фактор национальной безопасности, особенно в контексте их возможного применения для автоматизированного поиска уязвимостей в программном обеспечении.

Отдельное внимание уделяется тому, что open-weight характер GLM-5.2 делает её особенно доступной для широкого круга пользователей. В отличие от закрытых облачных моделей, такие системы можно запускать локально без централизованного контроля со стороны разработчика. Это расширяет возможности исследователей и компаний, но одновременно снижает уровень надзора за потенциально опасными сценариями использования.

Развитие мощных ИИ-моделей всё чаще выходит за рамки закрытых коммерческих систем.