أصدرت شركة Anthropic الأمريكية المتخصصة في الذكاء الاصطناعي تحذيراً بشأن قدرة GLM-5.3 على الاختراق، حيث أفادت بأن النموذج الصيني مفتوح الأوزان من Z.ai يظهر أداء استغلال سيبراني يضاهي أكثر أنظمة الشركة تقييداً في الحدود الأمامية، إلا أنه ينتشر مع آليات حماية ضعيفة بشكل كبير ضد الاستخدام الضار.
أبرز النقاط المستخلصة
- أكمل GLM-5.3 بنجاح 50 محاولة من 410 محاولة استغلال من البداية إلى النهاية في اختبارات Anthropic، مقابل 56 لـ Claude Mythos Preview
- يتطلب نموذج Claude Mythos Preview من Anthropic وصولاً للمستخدمين المعتمدين، بينما GLM-5.3 متاح علانية كإصدار مفتوح الأوزان
- تحذر الشركة مقرها في سان فرانسيسكو من احتمال أكبر لقيام الجهات الفاعلة السيئة باستيعاب GLM-5.3 بسبب قيود السلامة الأضعف
- Z.ai هي شركة ذكاء اصطناعي صينية أطلقت GLM-5.3 كنموذج مفتوح الأوزان يمكن الوصول إليه دون ضوابط محدودة التوزيع
- نشرت Anthropic تقييم قدراتها السيبرانية في تقرير صدر في 30 سبتمبر 2026
الاختبارات من Anthropic تكشف التكافؤ القريب في معدلات نجاح الاستغلال
في تقرير صدر يوم الثلاثاء، فصلت Anthropic اختبارها لقدرة GLM-5.3 على بناء استغلالات سيبرانية من البداية إلى النهاية. أكمل النموذج الصيني 50 من 410 محاولة استغلال، بمعدل نجاح 12.2 بالمئة، مقابل 56 استغلالاً ناجحاً لـ Claude Mythos Preview من Anthropic، النموذج الحدودي المقيد للمستخدمين المعتمدين فقط.
يمثل الفارق الضيق المتمثل في ستة استغلالات بين نموذج متاح علانية ونظام حدودي مُغلق بشدة ما تصفه Anthropic بأنه تطور مقلق في تهديدات الأمن السيبراني المدعومة بالذكاء الاصطناعي. وفقاً لـ South China Morning Post، تتمحور المخاوف ليس على القدرة الخام وحدها بل على الجمع بين توليد استغلالات متقدمة مع ضوابط وصول ضئيلة.
Claude Mythos Preview، الذي سجل 56 استغلالاً ناجحاً في نفس مجموعة الاختبارات، يعمل وفقاً لمتطلبات تحقق صارمة تحد من الوصول إلى باحثي الأمان المعتمدين والموظفين المخولين. أما GLM-5.3، فيتم توزيعه كنموذج مفتوح الأوزان دون قيود مماثلة.
التوزيع مفتوح الأوزان يعمّق المخاوف الأمنية
يقع الطابع مفتوح الأوزان لـ GLM-5.3 في قلب تحذير Anthropic. بخلاف النماذج المغلقة المعتمدة على واجهات برمجية نماذج الذكاء الاصطناعي التي تسمح لمقدمي الخدمة بمراقبة الاستخدام وفرض سياسات الاستخدام المقبول، تسمح الإصدارات مفتوحة الأوزان بنشر محلي غير مقيد وتعديل. يمكن للمستخدمين تحميل أوزان النموذج وتشغيل الاستدلال على أجهزتهم الخاصة وتجاوز أي آليات أمان مدمجة في الإصدار الأصلي.
ينشئ نموذج التوزيع هذا ما تصفه Anthropic بأنه «آليات حماية أضعف بكثير» مقابل الأنظمة الحدودية. بينما يسمح الوصول المحدود لـ Claude Mythos Preview لـ Anthropic بسحب بيانات الاعتماد والتدقيق في الاستخدام، تبقى أوزان GLM-5.3 خارج سيطرة Z.ai بمجرد تحميلها. يمكن للجهات الفاعلة السيئة ضبط النموذج بشكل دقيق وإزالة مرشحات الأمان أو نشره في سياقات معادية دون إشراف.
الـ نقاش المصدر المفتوح مقابل المغلق في مجال الذكاء الاصطناعي تمحور تاريخياً حول ديمقراطية الوصول والقدرة على تكرار البحث. يدخل تقييم Anthropic القدرة السيبرانية كبعد حيث قد يحمل التوزيع المفتوح آثاراً أمنية متميزة، خاصة عندما تقترب النماذج من الأداء الحدودي في المهام الهجومية.
الأداء المقارن: GLM-5.3 والنماذج الحدودية
قيمت إطار الاختبار من Anthropic بناء الاستغلالات من البداية إلى النهاية، وهو سير عمل يتطلب من النماذج تحديد الثغرات وتوليد كود استغلال فعال وربط خطوات متعددة في تسلسلات هجومية وظيفية. ربما غطت مجموعة الاختبارات البالغة 410 محاولات فئات ثغرات متنوعة وأهداف برنامجية ومستويات تعقيد استغلال.
| النموذج | المطوّر | الاستغلالات الناجحة | معدل النجاح | التحكم في الوصول |
|---|---|---|---|---|
| GLM-5.3 | Z.ai (الصين) | 50 / 410 | 12.2% | مفتوح الأوزان |
| Claude Mythos Preview | Anthropic (الولايات المتحدة الأمريكية) | 56 / 410 | 13.7% | المستخدمون المعتمدون فقط |
يشير الفارق المقدار 1.5 نقطة مئوية إلى أن GLM-5.3 يعمل بحوالي 89 بالمئة من فعالية Claude Mythos Preview على هذا المعيار المحدد. للسياق، تحدد Anthropic Claude Mythos Preview كنموذج حدودي، بين الأنظمة الأكثر قدرة عالمياً، مما يجعل أداء GLM-5.3 ملحوظة بشكل خاص نظراً لتوزيعها المفتوح.
Z.ai وعائلة نماذج GLM
Z.ai، الشركة الصينية خلف GLM-5.3، لم تحظ بتغطية واسعة في التقارير الغربية لصناعة الذكاء الاصطناعي قبل هذا التقييم الأمني. يشير تعيين GLM إلى احتمال وجود اتصال بسلسلة GLM من Zhipu AI، والتي تتضمن GLM-5.2، نموذج سياق 1 مليون رمز بسعر 1.40 دولار للمدخلات و 4.40 دولار للمخرجات لكل مليون رمز.
إذا كان GLM-5.3 يمثل إصدار خليفة في نفس النسب النسبي، فقد يشير الزيادة في الإصدار إلى تحسينات القدرات خارج السياق والمنطق المحسّن النموذجي لتحديثات النموذج. يشير اختبار Anthropic إلى أن هذه التحسينات تمتد إلى العمليات السيبرانية، مجال حيث ينفذ مطورو النماذج عادة تصفية سلامة عدوانية أثناء التدريب وحراس ما بعد النشر.
تشير قرار إطلاق GLM-5.3 كنموذج مفتوح الأوزان بدلاً من واجهة برمجية فقط إلى أن Z.ai أعطت أولوية للوصول والنشر المحلي على التحكم المركزي. يتوافق خيار التوزيع هذا مع الاتجاهات الأوسع في تطوير الذكاء الاصطناعي الصيني، حيث كسبت الإصدارات مفتوحة الأوزان من DeepSeek، وسلسلة Qwen من Alibaba، وغيرها من المختبرات المحلية زخماً بين المطورين الذين يسعون إلى بدائل للعروض القائمة على الواجهات البرمجية الغربية.
التأثيرات على الأمن السيبراني الهجومي المدعوم بالذكاء الاصطناعي
يصل تحذير Anthropic بينما ينتقل البحث عن الثغرات والاستغلال بمساعدة الذكاء الاصطناعي من أدوات تجريبية إلى سير عمل عملي. أظهر باحثو الأمن قدرة نماذج اللغة على تحليل الأكواد بحثاً عن الأخطاء وتوليد مفاهيم الإثبات للاستغلالات وأتمتة التطوير الاستكشافي، وهي قدرات تسرع عمل الأمن الدفاعي والنشاط الضار.
يشير معدل النجاح 12.2 بالمئة الذي حققته GLM-5.3 على مجموعة الاختبارات من Anthropic إلى أن هذه القدرات تطورت خارج مظاهرات المفاهيم الأولية. نموذج يكمل 50 استغلالاً من البداية إلى النهاية عبر معيار 410 محاولة يشير إلى أداء موثوق على فئات الثغرات في العالم الفعلي، وليس مجرد أمثلة لعبة أو CVEs الموثقة جيداً.
بالنسبة لفرق الأمن الهجومي والمختبرات الحمراء واختبارات الاختراق، تعد هذه القدرات مكاسب إنتاجية في المشاركات المخولة. بالنسبة للجهات الفاعلة التهديدات، تقلل القدرات ذاتها من الحواجز أمام تطوير الاستغلالات، خاصة بالنسبة للخصوم الذين لديهم مهارات هندسة برنامجيات قوية لكن خبرة محدودة في بحث الثغرات.
الأبعاد التنظيمية والسياسية
تسلط دراسة حالة GLM-5.3 الضوء على التوترات في أطر الحوكمة الناشئة للذكاء الاصطناعي. تحرك الولايات المتحدة نحو ضوابط الصادرات وقيود الحوسبة التي تستهدف تطوير الذكاء الاصطناعي المتقدم في الصين، على أساس المخاوف الأمنية الوطنية بشأن القدرات ثنائية الاستخدام. يفرض قانون الذكاء الاصطناعي للاتحاد الأوروبي متطلبات الشفافية وإدارة المخاطر على الأنظمة عالية المخاطر، على الرغم من أن الإنفاذ لا يزال في مراحله الأولى.
تعقد النماذج مفتوحة الأوزان كلا النهجين. لا يمكن لضوابط الصادرات التي تستهدف الحوسبة المستخدمة في التدريب أو الوصول إلى الرقائق منع توزيع الأوزان المدربة بالفعل. تفقد أطر إدارة المخاطر المصممة لمقدمي الخدمات فعالتها عند نشر النماذج محلياً. قدرة GLM-5.3 الهجومية السيبرانية، التي أثبتتها اختبارات شركة أمريكية لكنها خارج السيطرة المباشرة لأي ولاية قضائية، توضح تحدي الحوكمة الذي تطرحه الإصدارات مفتوحة الأوزان القادرة.
يشير قرار Anthropic نشر نتائج الاختبار المقارنة، بدلاً من تقييد التقييمات الداخلية بهدوء، إلى نية تطعيم نقاشات السياسة ببيانات القدرات التجريبية. ما إذا كان المنظمون سيترجمون مثل هذه التحذيرات إلى سياسة قابلة للتنفيذ يبقى غير مؤكد، خاصة نظراً للطبيعة الموزعة لنشر نماذج مفتوحة الأوزان وصعوبة نسب الضرر اللاحق إلى قرارات الإصدار الأولية.
الأسئلة الشائعة
ما هو GLM-5.3 ومن الذي طوّره؟ GLM-5.3 هو نموذج ذكاء اصطناعي مفتوح الأوزان طورته Z.ai، وهي شركة صينية متخصصة في الذكاء الاصطناعي. أظهر النموذج قدرات متقدمة في توليد استغلالات سيبرانية، وفقاً للاختبارات التي أجرتها Anthropic، الشركة الأمريكية.
كيف يقارن GLM-5.3 بـ Claude Mythos Preview من Anthropic؟ في اختبارات Anthropic، أكمل GLM-5.3 50 من 410 محاولات استغلال من البداية إلى النهاية (12.2 بالمئة) مقابل 56 استغلالاً ناجحاً (13.7 بالمئة) لـ Claude Mythos Preview. أظهر النموذجان قدرات سيبرانية شبه معادلة، لكن GLM-5.3 متاح علانية بينما يتطلب Mythos Preview وصول المستخدمين المعتمدين.
ما المقصود بنماذج الذكاء الاصطناعي مفتوحة الأوزان؟ توزع النماذج مفتوحة الأوزان معاملاتها المدربة على الملأ، مما يسمح للمستخدمين بتحميلها وتشغيلها محلياً دون ضوابط الوصول عبر واجهات برمجية. يختلف هذا عن النماذج المغلقة التي يمكن الوصول إليها فقط من خلال واجهات برمجية محدودة التوزيع، حيث يمكن لمقدمي الخدمة مراقبة الاستخدام وفرض سياسات الاستخدام المقبول.
لماذا تشعر Anthropic بالقلق بشأن قدرات GLM-5.3؟ تحذر Anthropic من أن GLM-5.3 يجمع بين أداء توليد استغلالات من الطراز الأول مع قيود وصول ضئيلة جداً. يمنع التوزيع مفتوح الأوزان Z.ai من مراقبة الاستخدام أو سحب الوصول أو منع الجهات الفاعلة السيئة من ضبط النموذج بشكل دقيق لأغراض ضارة.
هل يمكن تنظيم نماذج الذكاء الاصطناعي مفتوحة الأوزان بفعالية؟ يشكل تنظيم النماذج مفتوحة الأوزان تحديات كبيرة لأنه بمجرد إطلاقها، يمكن تحميل الأوزان ونسخها ونشرها دون إشراف. لا يمكن لضوابط الصادرات التي تستهدف الحوسبة المستخدمة في التدريب استرجاع النماذج المُوزعة بالفعل، وتفقد أطر إدارة المخاطر المصممة لمقدمي خدمات الواجهات البرمجية فعاليتها عندما تعمل النماذج محلياً على بنية تحتية تحت سيطرة المستخدم.
الخلاصة
يحدد تقييم Anthropic لـ GLM-5.3 مخاوف أمنية ظلت غالباً نظرية في نقاشات سياسة الذكاء الاصطناعي: نماذج متاحة علانية توضح أداء من الطراز الأول في مهام الأمن السيبراني الهجومية. الفارق المتمثل في ستة استغلالات بين GLM-5.3 و Claude Mythos Preview، معدلات نجاح 12.2 بالمئة مقابل 13.7 بالمئة، يشير إلى تكافؤ القدرة الخام مع تسليط الضوء على اختلافات صارخة في التوزيع والتحكم في الوصول.
بالنسبة للمطورين والممارسين الأمنيين، تؤكد النتائج الطبيعة ثنائية الاستخدام لقدرات تحليل وترميز الذكاء الاصطناعي. تسرع نفس معماريات النموذج التي تسرع بحث الأمن الشرعي أيضاً تطوير الاستغلالات المعادية. مع استمرار تطور القدرات، يبدو أن الفجوة بين الأنظمة الحدودية المغلقة والبدائل المتاحة علانية تضيق في المجالات خارج التفكير العام والترميز، وتتسع إلى مهام متخصصة وحساسة أمنياً حيث قدمت قيود الوصول في الماضي حاجزاً ضد الإساءة.
المصادر: www.scmp.com. تم الإبلاغ عنه في 30 سبتمبر 2026.