Z.ai afirma que GLM-5.3 supera por poco a Mythos 5 de Anthropic en CyberGym

Z.ai afirma que GLM-5.3 obtuvo un 84,5 % en CyberGym, superando por 0,7 puntos porcentuales al restringido Mythos 5 de Anthropic. Ese resultado complica la narrativa de Techmeme sobre Anthropic en torno a quién controla la IA de ciberseguridad más capaz.

La comparación tiene más consecuencias que una competencia limitada de benchmarks. Z.ai planea lanzar GLM-5.3 como un modelo de pesos abiertos tras un retraso de seguridad de dos semanas. Sin embargo, sus funciones de ciberseguridad más sensibles seguirán limitadas a usuarios verificados y socios de seguridad seleccionados.

Esa estructura sitúa a Z.ai entre dos modelos de distribución en competencia. Los pesos abiertos permiten a las organizaciones inspeccionar, modificar y ejecutar software en su propia infraestructura. El acceso verificado otorga al desarrollador cierto control sobre funciones avanzadas que podrían respaldar tanto la investigación defensiva como las operaciones ofensivas.

Anthropic eligió una versión más centralizada del segundo enfoque para Mythos 5. Su modelo está disponible mediante un programa de acceso de confianza, en lugar de una publicación pública de los pesos. Z.ai sostiene ahora que un modelo abierto puede aproximarse a una capacidad cibernética similar mientras mantiene controles en la capa de mayor riesgo.

El benchmark no resuelve qué empresa tiene el mejor modelo. Sí plantea una pregunta más nítida para desarrolladores, equipos de seguridad y responsables políticos: ¿qué ocurre cuando una capacidad cibernética cercana a la frontera llega en un software que su creador no puede retirar?

GLM-5.3 convierte una mejora en el benchmark en una prueba de acceso

El cambio importante no es simplemente que GLM-5.3 haya obtenido una puntuación superior. Z.ai está combinando un rendimiento cibernético cercano a la frontera con una vía hacia los pesos abiertos.

Según el lanzamiento de GLM-5.3 de Z.ai, el modelo alcanzó un 84,5 % en CyberGym. Anthropic informó un 83,8 % para Mythos 5. La diferencia de 0,7 puntos es pequeña, pero los planes de distribución son notablemente distintos.

CyberGym evalúa si un agente de IA puede reproducir vulnerabilidades en software real. Un modelo recibe una descripción de la vulnerabilidad y el repositorio de código fuente pertinente. Debe localizar el código afectado y producir una entrada que active el fallo.

La investigación original de CyberGym contiene 1.507 vulnerabilidades de 188 proyectos de software. Ese diseño la hace más informativa que una prueba de seguridad de opción múltiple. Obliga a un agente a navegar por el código fuente, utilizar herramientas y producir un resultado observable.

El resultado de Z.ai sigue siendo una afirmación de benchmark reportada por la empresa. La cifra pública no establece que GLM-5.3 reproduzca el mismo rendimiento en distintos marcos de agentes, presupuestos de cómputo, prompts o entornos de seguridad.

Esas variables importan. Un modelo puede rendir de forma diferente cuando los investigadores cambian su arnés de herramientas, número de reintentos permitidos, límite de tiempo o acceso a sistemas de compilación. Incluso una pequeña diferencia metodológica puede superar la brecha reportada entre GLM-5.3 y Mythos 5.

La puntuación sigue representando una mejora importante respecto a la posición pública anterior de Z.ai. GLM-5.1 figuraba con un 68,7 % en una clasificación pública de CyberGym. Pasar de ese nivel al 84,5 % situaría a la empresa cerca de los sistemas restringidos más potentes.

Z.ai afirma que mejoró GLM-5.3 mediante posentrenamiento en entornos ejecutables. Se trata de sistemas de software controlados donde un agente puede compilar código, ejecutar pruebas, inspeccionar fallos y aprender de secuencias de tareas más largas.

Ese enfoque importa porque no depende por completo de crear un modelo base más grande. Sugiere que el entrenamiento focalizado, mejores entornos y ejecuciones prolongadas de agentes pueden desbloquear una capacidad especializada sustancial a partir de una familia de modelos existente.

La empresa está retrasando dos semanas la publicación de los pesos mientras refuerza las salvaguardas. Durante ese periodo, socios de seguridad seleccionados pueden acceder a funciones avanzadas en entornos controlados.

Sin embargo, una vez que los pesos se hagan públicos, la influencia directa de la empresa cambiará. Z.ai puede controlar su servicio alojado, su programa de socios y sus herramientas oficiales. No puede controlar de manera fiable cada copia modificada que se despliegue en otros lugares.

Por eso el lanzamiento es una prueba de acceso, más que otra actualización del modelo. La empresa intenta combinar el control local para los usuarios con comprobaciones de identidad en torno a las funciones que considera más sensibles.

Por qué importa la comparación de Anthropic en Techmeme

La comparación de Anthropic en Techmeme presiona la creencia de que una capacidad cibernética excepcional puede permanecer concentrada dentro de unos pocos proveedores estadounidenses de modelos.

El artículo reportado contrapone GLM-5.3 a Mythos 5 porque Anthropic estableció el precedente más claro para restringir funciones cibernéticas avanzadas. Mythos 5 no es un lanzamiento público convencional de Claude.

Anthropic describe Mythos 5 como el mismo modelo subyacente que Fable 5, pero con determinadas salvaguardas de ciberseguridad eliminadas. Ofrece esa configuración a organizaciones aprobadas mediante Project Glasswing y programas relacionados de acceso de confianza.

Fable 5 atiende a un mercado más amplio con clasificadores que pueden redirigir o rechazar solicitudes sensibles. Mythos 5 proporciona a defensores evaluados un acceso más directo a capacidades que Anthropic considera que requieren controles adicionales.

En su anuncio de Mythos 5, Anthropic indicó que el modelo atendería inicialmente a un pequeño grupo de defensores cibernéticos y proveedores de infraestructura. La empresa también vinculó el acceso a requisitos de retención de datos y supervisión de seguridad.

Z.ai está aplicando una idea relacionada sin adoptar el mismo límite de distribución. Sus funciones cibernéticas sensibles están restringidas, pero su modelo más amplio se dirige hacia un lanzamiento de pesos abiertos.

Esa distinción presiona a Anthropic de dos maneras. En primer lugar, los clientes pueden preguntarse si sigue siendo necesario un modelo restringido cuando una alternativa abierta se aproxima a su rendimiento en benchmarks. En segundo lugar, los gobiernos deben considerar si las restricciones a un proveedor importan cuando aparece una capacidad comparable en otro lugar.

La comparación también presiona a Z.ai. Un lanzamiento de pesos abiertos crea expectativas sobre reproducibilidad, documentación, integridad del modelo y divulgación responsable. Una empresa no puede depender únicamente de una afirmación en una clasificación una vez que investigadores independientes pueden inspeccionar y modificar su modelo.

Para los compradores empresariales, la decisión va más allá de la precisión bruta. Un servicio restringido ofrece actualizaciones centralizadas, supervisión, controles contractuales y un operador claro. Un modelo autoalojado ofrece localización de datos, personalización y menos dependencias de un sistema externo de rechazo.

Los equipos de seguridad necesitan ambas formas de valor. Durante un incidente, pueden necesitar que un modelo analice malware, reconstruya una intrusión o examine código sospechoso. Esas solicitudes pueden parecer actividad dañina para un clasificador de seguridad genérico.

Un incidente previo ilustra ese problema. Hugging Face afirmó que los controles de seguridad de sistemas de frontera interfirieron en su investigación de una intrusión impulsada por IA. Posteriormente ejecutó GLM-5.2 de forma local para ayudar en su análisis, según un relato de la brecha dirigida por agentes.

Ese ejemplo respalda el argumento de Z.ai a favor de modelos controlados por defensores. No establece que el despliegue local sin restricciones sea siempre más seguro. La misma independencia que ayuda a un equipo de respuesta a incidentes también puede ayudar a un atacante a evitar la supervisión.

Por lo tanto, la cuestión competitiva central no es China frente a Estados Unidos. Es si la seguridad depende de controlar el modelo, controlar el acceso a herramientas específicas o controlar lo que los usuarios pueden hacer en entornos sensibles.

Anthropic ha dado más peso al acceso gestionado por el proveedor. Z.ai apuesta a que una estructura mixta puede proteger funciones avanzadas sin retener indefinidamente el modelo subyacente.

Los pesos abiertos se encuentran con el acceso verificado a la ciberseguridad

El diseño de Z.ai separa la disponibilidad del modelo del permiso operativo, pero esa separación se vuelve difícil de aplicar una vez que los pesos abandonan sus servidores.

El software de pesos abiertos proporciona a los usuarios acceso a los parámetros numéricos aprendidos durante el entrenamiento. Por lo general, esos pesos pueden descargarse, alojarse, ajustarse y conectarse a herramientas independientes.

Esto difiere del software de código abierto en el sentido más estricto. Una publicación de pesos puede no incluir los datos de entrenamiento, el código completo de entrenamiento ni todos los componentes necesarios para reproducir el modelo. El beneficio práctico sigue siendo considerable porque los usuarios pueden operar el modelo sin enviar cada solicitud a su proveedor original.

El acceso verificado aborda una capa diferente. Z.ai puede exigir comprobaciones de identidad para sus funciones cibernéticas alojadas, restringir entornos de socios, registrar actividad o limitar el acceso a herramientas orientadas a exploits.

El desafío comienza cuando un grupo externo construye un sistema alternativo alrededor de los pesos públicos. Puede sustituir la capa oficial de prompts, conectar herramientas diferentes, eliminar restricciones alojadas o entrenar el modelo con datos adicionales de exploits.

Z.ai reconoce que perderá el control sobre las modificaciones tras el lanzamiento. Esa admisión es fundamental para comprender la política, no una advertencia menor.

Por lo tanto, el enfoque de la empresa depende de una brecha de capacidad significativa entre el modelo público y la pila cibernética restringida. Si el rendimiento más sensible requiere herramientas, conjuntos de datos o componentes de entrenamiento privados, el acceso verificado conserva valor práctico.

Si los pesos públicos ya contienen la mayor parte de la capacidad, los desarrolladores externos pueden recrear la capa que falta. Podrían añadir acceso a shell, depuradores, bases de datos de vulnerabilidades, fuzzers y sistemas automatizados de reintentos sin la participación de Z.ai.

Eso no convierte el lanzamiento en irresponsable por definición. Muchas organizaciones defensivas necesitan modelos que operen dentro de redes protegidas. No pueden cargar código fuente propietario, credenciales o artefactos de incidentes a una API externa.

El despliegue local también ayuda a los equipos a preservar pruebas durante una investigación. Reduce el riesgo de que los datos sensibles abandonen la organización o queden sujetos a la política de retención de un proveedor.

El argumento más sólido a favor de los modelos cibernéticos abiertos se refiere a la asimetría. Los atacantes ya inspeccionan repositorios públicos, reutilizan código de exploits y automatizan el reconocimiento. Los mantenedores con personal limitado a menudo no pueden examinar cada dependencia ni reproducir cada fallo reportado.

Z.ai presenta GLM-5.3 como una forma de proporcionar automatización comparable a esos mantenedores. Su programa OpenVuln asociado permite que proyectos de código abierto envíen repositorios para análisis de seguridad asistido por modelos.

Ese servicio podría dirigir capacidad hacia defensores que carecen de equipos especializados de investigación. Su valor dependerá de las tasas de falsos positivos, las prácticas de divulgación, la reproducibilidad y de si los mantenedores reciben orientación aplicable para la corrección.

La empresa también informa de un historial más amplio de descubrimiento de vulnerabilidades. Su registro público de seguridad enumera 2.436 vulnerabilidades recopiladas, incluidas 1.097 clasificadas como críticas o de alta gravedad.

Esas cifras proceden del propio sistema de divulgación de Z.ai. No revelan cuántos hallazgos se atribuyeron de forma independiente a modelos GLM, cuántos proveedores los confirmaron ni con qué frecuencia el modelo identificó erróneamente un comportamiento benigno.

Aun así, el registro ofrece a los observadores externos algo más concreto para auditar que una afirmación general de experiencia en seguridad. Los identificadores públicos de vulnerabilidades, los proyectos afectados, las fechas de divulgación y los parches pueden respaldar con el tiempo una evaluación más sólida.

El modelo mixto de pesos abiertos y funciones verificadas solo tendrá éxito si mejora esa evidencia. De lo contrario, el «acceso verificado» corre el riesgo de convertirse en una etiqueta que describe el servicio oficial, pero no el riesgo real del modelo.

Las puntuaciones de CyberGym no miden toda la amenaza

Un resultado del 84,5 % en CyberGym demuestra una sólida reproducción de vulnerabilidades, pero no mide todos los pasos necesarios para un ataque exitoso.

CyberGym parte de información que proporciona al agente una orientación considerable. El benchmark ofrece una descripción de la vulnerabilidad y el repositorio de código fuente correspondiente. El agente debe crear después una entrada de prueba de concepto que active el fallo conocido.

Un atacante real suele empezar mucho antes. Puede necesitar descubrir un objetivo desconocido, obtener acceso inicial, identificar sistemas valiosos, evadir la detección, mantener la persistencia y desplazarse por una red desconocida.

Un modelo que rinde bien en CyberGym no es automáticamente competente en toda esa cadena. Aun así, puede acelerar de forma significativa el trabajo ofensivo, especialmente cuando un operador humano aporta el contexto que falta.

El benchmark también distingue entre provocar un fallo y reproducir la vulnerabilidad prevista. Esta diferencia importa porque un fallo demuestra que algo salió mal, no que el agente entendió o explotó el defecto objetivo.

La investigación sobre sistemas de evaluación más recientes aclara la brecha. ExploitGym pide a los agentes convertir una vulnerabilidad conocida en ejecución de código no autorizada, en lugar de limitarse a activar un error.

El benchmark ExploitGym incluye 869 tareas en software de espacio de usuario, el motor V8 de Chrome y el kernel de Linux. Cada tarea proporciona código vulnerable y una entrada que ya demuestra el fallo.

El agente debe convertir ese punto de partida en un exploit funcional. Los investigadores informaron de que las defensas modernas redujeron sustancialmente el éxito, aunque no lo eliminaron en todas las tareas.

La evaluación también descubrió que los modelos a veces lograban ejecutar código mediante un fallo distinto al objetivo previsto. Ese comportamiento muestra por qué los simples recuentos de éxito pueden resultar engañosos.

Un agente podría capturar una señal del benchmark sin demostrar la capacidad que los investigadores pretendían medir. A la inversa, descubrir una vulnerabilidad adyacente puede representar un trabajo de seguridad valioso, aunque complique la puntuación.

Los presupuestos de tiempo y cómputo añaden otra fuente de incertidumbre. En tareas difíciles, un agente más potente puede seguir mejorando durante horas, mientras que un sistema más débil alcanza pronto una meseta.

Una comparación entre GLM-5.3 y Mythos 5 solo es significativa cuando ambos reciben herramientas, presupuestos, instrucciones y oportunidades de reintento comparables. Los resúmenes públicos no siempre revelan suficientes detalles para confirmar esa equivalencia.

Por tanto, la replicación independiente debería centrarse en algo más que el porcentaje final. Los investigadores necesitan conocer la versión del modelo, el marco del agente, el subconjunto de tareas, el entorno de ejecución, los permisos de herramientas, la configuración de inferencia y el método de puntuación.

También deberían comprobar la contaminación. CyberGym utiliza vulnerabilidades históricas y repositorios públicos, lo que crea la posibilidad de que detalles relevantes aparecieran en los datos de entrenamiento.

Un modelo podría seguir necesitando un razonamiento considerable para convertir información recordada en una prueba de concepto funcional. Sin embargo, la contaminación puede hacer que un resultado parezca más generalizable de lo que realmente es.

Las vulnerabilidades recientes y los conjuntos de pruebas privados proporcionarían una medida más sólida. Los evaluadores también podrían añadir controles corregidos y no vulnerables para comprobar si el modelo inventa fallos cuando no existen.

La seguridad operativa exige un conjunto distinto de pruebas. Los investigadores deberían medir si un modelo respeta el alcance, se detiene tras identificar el riesgo, protege secretos y produce pasos de remediación útiles.

Un modelo que encuentra más errores pero expone credenciales o daña sistemas de prueba puede generar nuevos costes para los defensores. La precisión del benchmark por sí sola no puede reflejar ese equilibrio.

Por tanto, la afirmación del 84,5 % debe leerse como una alerta. Sugiere que los modelos abiertos se acercan a un umbral de capacidad que merece pruebas rigurosas. No demuestra que GLM-5.3 sea el mejor modelo cibernético ni el más peligroso.

La verdadera competencia es capacidad frente a control

GLM-5.3 convierte la IA para ciberseguridad en un problema de distribución: un mayor alcance defensivo también amplía el número de personas que pueden reutilizar la tecnología.

Este es el equilibrio central del artículo. Un modelo de seguridad útil debe comprender código vulnerable, razonar sobre exploits y operar herramientas. Esas mismas capacidades pueden acelerar el trabajo ofensivo.

Los proveedores centralizados gestionan ese riesgo mediante comprobaciones de identidad, clasificadores de solicitudes, monitorización, políticas de retención y aplicación de medidas sobre las cuentas. Pueden desactivar el acceso cuando un usuario incumple la política o cuando nuevas evidencias cambian el cálculo de riesgo.

Esos controles tienen límites. Los clasificadores pueden bloquear análisis legítimos de malware, respuesta a incidentes o validación de exploits. Un servicio remoto también puede no estar disponible durante una crisis o resultar inadecuado para pruebas confidenciales.

Los pesos abiertos resuelven algunos de esos problemas. Permiten a los defensores ejecutar modelos dentro de redes protegidas, ajustarlos para sistemas propietarios y conservar control directo sobre los registros y el código sensible.

También debilitan la capacidad del desarrollador para intervenir. Un modelo modificado puede funcionar sin comprobaciones de identidad, monitorización del uso ni salvaguardas mantenidas de forma centralizada.

Este conflicto explica por qué Z.ai y Anthropic convergen en programas de acceso de confianza, aunque sus decisiones más amplias de distribución difieran. Ambas empresas reconocen que algunas funciones cibernéticas requieren más escrutinio que la asistencia habitual de programación.

El modelo de Anthropic parte del control central y concede selectivamente un acceso más profundo. Z.ai parte de la disponibilidad prevista de los pesos e intenta conservar controles alrededor de funciones y entornos seleccionados.

Ninguno de los dos enfoques elimina el uso indebido. Los modelos gestionados por proveedores pueden sufrir jailbreaks, ser accedidos mediante cuentas comprometidas o replicarse mediante extracción de capacidades. Los modelos abiertos pueden ajustarse, combinarse y desplegarse de forma anónima.

La cuestión política relevante no es si un modelo es abierto o cerrado de forma aislada. Los responsables políticos deben examinar el sistema completo que lo rodea.

Ese sistema incluye las herramientas disponibles, el tiempo de ejecución autónomo, el acceso a red, los datos de vulnerabilidades, el presupuesto de cómputo, el registro, la revisión humana y la capacidad de ejecutar código generado.

Un modelo que solo produce texto presenta un riesgo inmediato distinto al mismo modelo conectado a escáneres, depuradores, navegadores, credenciales de nube y agentes persistentes.

Esta distinción también ofrece a las empresas un objetivo de seguridad más práctico. Restringir el conocimiento de un modelo es difícil cuando información similar existe en repositorios públicos e investigaciones de seguridad.

Controlar entornos de ejecución de alto riesgo puede resultar más medible. Los proveedores pueden limitar el acceso a arneses de explotación, aislar objetivos, exigir autorización y conservar registros de auditoría sobre acciones sensibles.

El despliegue abierto sigue complicando ese modelo. Los usuarios externos pueden construir sus propios entornos, especialmente cuando las herramientas capaces también son abiertas.

La respuesta no surgirá de una única norma global. Los grandes proveedores de infraestructura, los mantenedores independientes, los investigadores académicos y los equipos gubernamentales de seguridad afrontan amenazas y responsabilidades distintas.

Las empresas deberían empezar separando la revisión rutinaria de código de la automatización capaz de explotar vulnerabilidades. La primera puede operar con controles convencionales para desarrolladores. La segunda necesita requisitos más estrictos de identidad, alcance, registro y aprobación.

Los equipos también deberían mantener registros de qué modelo examinó cada repositorio y qué herramientas utilizó. Un hallazgo generado por IA debe poder reproducirse antes de entrar en un proceso de divulgación o remediación.

Para los trabajadores del conocimiento que siguen los rápidos cambios de los modelos, una base de conocimientos de IA con capacidad de búsqueda puede ayudar a conservar métodos de benchmark, system cards y cambios de políticas. Ese contexto importa cuando las puntuaciones de los titulares omiten detalles críticos de evaluación.

El encuadre de anthropic techmeme resulta útil porque expone la competencia emergente. La disputa más profunda no es simplemente GLM-5.3 frente a Mythos 5. Es capacidad distribuida frente a control aplicable.

Qué vigilar después del lanzamiento de GLM-5.3

Tres señales determinarán si Z.ai ha creado un modelo de acceso defendible o solo una barrera temporal alrededor de una capacidad que pronto quedará sin restricciones.

La primera señal es la reproducción independiente del benchmark. Los investigadores deberían probar los pesos publicados de GLM-5.3 utilizando las mismas tareas de CyberGym, el mismo marco de agente, los permisos de herramientas y el presupuesto de cómputo comunicados por Z.ai.

Un resultado replicado cercano al 84,5 % reforzaría la afirmación de la empresa de que los modelos abiertos han alcanzado un rendimiento cibernético de la clase Mythos. Una caída importante sugeriría que el sistema alojado, el arnés privado o la configuración de evaluación contribuyeron de forma sustancial.

La replicación debería incluir tareas recientes y controles no vulnerables. Eso ayudaría a separar el razonamiento genuino sobre código de la memorización, la contaminación del benchmark o una tendencia a generar entradas de exploit plausibles pero incorrectas.

La segunda señal es la brecha de capacidad entre los pesos públicos y el acceso verificado. Z.ai debe explicar qué funciones siguen restringidas y por qué el modelo público no puede reproducirlas fácilmente.

Una divulgación útil describiría las herramientas restringidas, los límites de ejecución, la monitorización, los requisitos para socios y el proceso de escalamiento. No debería revelar detalles que faciliten el uso indebido.

Si los desarrolladores independientes reconstruyen rápidamente la pila sensible, la política de usuarios verificados tendrá poco alcance práctico. Regularía el servicio oficial de Z.ai, mientras deja despliegues comparables fuera de su control.

Si el entorno restringido produce resultados significativamente mejores, el modelo híbrido gana credibilidad. Los pesos abiertos podrían respaldar el trabajo defensivo rutinario, mientras que las operaciones de mayor riesgo permanecen dentro de sistemas monitorizados.

La tercera señal es la adopción defensiva medible. El programa OpenVuln y el registro de vulnerabilidades de Z.ai ofrecen una forma temprana de seguir ese resultado.

Los observadores deberían vigilar cuántos hallazgos comunicados reciben identificadores públicos, confirmación de los proveedores y parches. También deberían examinar la calidad de la divulgación, las tasas de duplicados, los falsos positivos y el tiempo que los mantenedores necesitan para validar informes generados por modelos.

Un historial creciente de correcciones confirmadas respaldaría la afirmación de Z.ai de que la capacidad cibernética abierta fortalece a los defensores. Un gran inventario privado sin remediación visible sería más difícil de evaluar.

Las respuestas regulatorias darán forma a las tres señales. Los gobiernos están cada vez más preocupados por los modelos capaces de automatizar el descubrimiento y la explotación de vulnerabilidades, especialmente cuando sus pesos pueden cruzar fronteras de inmediato.

Las restricciones amplias podrían empujar el desarrollo hacia canales menos transparentes. Los controles débiles podrían dejar la infraestructura crítica expuesta a una automatización barata y escalable.

Un marco más creíble se centraría en la capacidad demostrada y el contexto operativo. Podría distinguir el análisis local ordinario de código de sistemas que explotan objetivos de forma autónoma, evaden defensas u operan a través de redes.

Los desarrolladores de modelos deberían esperar solicitudes de evaluaciones estandarizadas, informes de incidentes, registros de acceso y evidencias de que sus afirmaciones de seguridad resisten pruebas independientes.

Los equipos de seguridad no deberían esperar a esas normas. Pueden probar agentes cibernéticos en entornos aislados, limitar credenciales, exigir autorización por escrito y situar a personas entre el descubrimiento y la explotación.

También deberían comparar los modelos por la calidad de la remediación. Encontrar un fallo importa, pero producir un parche seguro, una prueba de regresión y una explicación comprensible suele generar más valor defensivo.

La historia inmediata de GLM-5.3 es una estrecha ventaja en benchmarks. La historia más amplia de anthropic techmeme trata sobre la pérdida de exclusividad en torno al razonamiento cibernético avanzado.

Anthropic puede restringir Mythos 5 porque controla el servicio y su distribución. Z.ai se prepara para publicar un modelo cuyas copias más amplias podrían perdurar más que cualquier política vinculada al endpoint original.

Eso hace que el próximo lanzamiento sea más importante que la diferencia de 0,7 puntos en la puntuación. Los resultados independientes, la brecha de capacidades de acceso verificado y las correcciones de vulnerabilidades confirmadas mostrarán si la solución de compromiso de Z.ai funciona.

Los desarrolladores y compradores empresariales deberían plantearse una pregunta antes de adoptar el modelo: ¿pueden sus controles gobernar las herramientas y acciones del agente cuando el propio modelo ya no es escaso?