GLM-5.3 и распространение продвинутых кибервозможностей — abliteration за 2 200 GPU-часов
Саммари
Пять месяцев назад Anthropic выпустила Claude Mythos Preview — первую модель, способную автономно строить сложные сквозные эксплойты — ограниченным релизом через Project Glasswing. Теперь такие модели появились без существенных ограничений: GLM-5.3 от Zhipu AI выпущена как open-weight, и её safeguards обходятся простыми приёмами в 64–100% случаев. Разбор содержит измерения на бенчмарках, стоимость обхода и вывод о том, что порог свободно доступных возможностей пересечён.
Из этого следует: «у модели есть safeguards» — утверждение, которое для open-weight моделей не является ограничением. Снятие отказов стоит порядка четырёх тысяч долларов вычислений и не снижает качество.
На практике для агентных систем: любая политика безопасности, опирающаяся на «модель откажет», должна проверяться на устойчивость к обманному контексту. Предзаполнение thinking-токенов — приём из арсенала prompt injection, и он даёт 92% вовлечённости там, где отказ ожидался.
Важный нюанс: работа измеряет возможности, а не вероятность реального злоупотребления. Порог пересечён — но «могут» и «будут» остаются разными утверждениями, и авторы это признают, полагаясь на данные отчётов атакующих.
Второй нюанс: разрыв между милитарными моделями и фронтиром измеряется в месяцах, а не годах (четыре месяца отставание GLM-5.3 по агрегату CAISI). Любая политика, построенная на «мы держим доступ к сильным моделям закрытым», имеет окно в месяцы.
Третий нюанс: восемь часов автономной работы за $20,40 с человеческим вниманием в 20 минут — это и есть новая единица стоимости кибероперации. Всё, что раньше требовало команды, теперь укладывается в цену одного облачного запуска.