Le dernier modèle GLM 5.3 du laboratoire d'IA chinois Z.ai est si performant pour détecter et exploiter les failles de sécurité que l'entreprise va reporter de deux semaines sa publication

Le laboratoire d’IA chinois Z.ai a averti que son dernier modèle, GLM-5.3, était si performant pour détecter et exploiter des failles de sécurité que l’entreprise allait reporter de deux semaines la publication des poids du modèle. Le laboratoire a indiqué qu’il testait et renforçait ses contrôles de sécurité avant de le rendre accessible à un plus large public. L’entreprise a spécifiquement entraîné GLM-5.3 à améliorer sa capacité de détection des vulnérabilités en lui faisant effectuer des tâches de cybersécurité dans des environnements contrôlés, et déploie actuellement un programme d’accès à plusieurs niveaux qui, pour l’instant, limite l’accès à GLM-5.3 à certains partenaires de sécurité opérant dans des environnements contrôlés.

Z.ai est une entreprise chinoise spécialisée dans l'intelligence artificielle, plus particulièrement dans les grands modèles de langage (LLM) à paramètres ouverts. Le produit phare de Z.ai est la famille de LLM GLM (General Language Model), que l'entreprise commercialise sous licence MIT libre et open source depuis juillet 2025 ; elle a également lancé des modèles de langage de vision et des modèles de conversion texte-vidéo.

Depuis mi-juin 2026, le modèle GLM-5.2 s'est imposé comme la référence dominante parmi les IA en accès libre. Des chercheurs en sécurité ont notamment affirmé que le modèle GLM-5.2 de la start-up chinoise spécialisée dans l’IA, Z.ai, est capable de rivaliser avec Mythos lorsqu’il s’agit de détecter des failles de sécurité logicielles, même s’il reste en retrait par rapport à Anthropic et OpenAI pour les tâches de raisonnement plus générales. Ce modèle est également open source, ce qui signifie que n’importe qui peut le télécharger, le modifier et l’exécuter sur son propre matériel sans dépendre d’un fournisseur de services cloud. Cette flexibilité le rend attractif pour les entreprises, mais elle soulève également des inquiétudes quant à la possibilité que des cybercriminels puissent l’adapter à des fins offensives.

Récemment, le laboratoire d’IA chinois Z.ai a averti que son dernier modèle, GLM-5.3, était si performant pour détecter et exploiter des failles de sécurité que l’entreprise allait reporter de deux semaines la publication des poids du modèle. Le laboratoire a indiqué qu’il testait et renforçait ses contrôles de sécurité avant de le rendre accessible à un plus large public. L’avertissement de Z.ai fait écho aux inquiétudes soulevées par Sam Altman, d’OpenAI, et Dario Amodei, d’Anthropic, qui avaient déjà mis en garde contre les risques posés par les puissants modèles à poids ouverts.

Les deux dirigeants ont fait valoir que les modèles capables d’exploitation cybernétique pourraient être détournés s’ils étaient diffusés sans garanties solides, soulignant ainsi la tension croissante entre innovation et sécurité dans le développement de l’IA. Les modèles d’IA capables d’identifier et d’exploiter les vulnérabilités informatiques ont des implications majeures pour les deux côtés de l’équation de la sécurité : ils offrent des avantages concrets aux défenseurs qui tentent de corriger les failles des systèmes, mais aussi aux pirates informatiques cherchant à intensifier leurs attaques.


Z.ai a averti que GLM-5.3 est si performant que l’entreprise allait reporter la publication des poids du modèle

Z.ai a averti que son tout dernier modèle, le GLM-5.3, était devenu si performant dans la détection et l’exploitation des failles de sécurité que l’entreprise reportait de deux semaines la publication des poids du modèle, le temps de tester et de renforcer ses contrôles de sûreté et de sécurité. L’entreprise a spécifiquement entraîné GLM-5.3 à améliorer sa capacité de détection des vulnérabilités en lui faisant effectuer des tâches de cybersécurité dans des environnements contrôlés, et déploie actuellement un programme d’accès à plusieurs niveaux qui, pour l’instant, limite l’accès à GLM-5.3 à certains partenaires de sécurité opérant dans des environnements contrôlés.

Sur CyberGym, un benchmark qui mesure la capacité des modèles à détecter des failles de sécurité connues, GLM-5.3 a obtenu un score de 84,5 %, surpassant à la fois Fable 5 d’Anthropic et GPT-5.6 Sol d’OpenAI. Sur ExploitBench, qui évalue la capacité d’un modèle à analyser et à construire des exploits pour des vulnérabilités réelles, le GLM-5.3 n’a été devancé que par Fable 5 et GPT-5.6 Sol parmi les modèles contre lesquels Z.ai l’a testé.

Selon un nouveau site de divulgation récemment mis en ligne par l’entreprise, Z.ai affirme que ses modèles GLM ont déjà identifié plus de 2 400 failles de sécurité, dont plus de 1 000 classées comme critiques ou de gravité élevée, certaines de ces vulnérabilités ayant été détectées dans le noyau Linux ainsi que dans des projets VMware et Apache largement utilisés. L’entreprise présente la sortie du GLM-5.3 avant tout comme un avantage pour les défenseurs plutôt que comme un risque, affirmant sur X qu’un monde ouvert ne peut pas se limiter à des surfaces d’attaque ouvertes, mais doit également disposer d’un bouclier ouvert.

Parallèlement à l’annonce du modèle, Z.ai a également lancé un nouveau programme permettant aux responsables de projets open source de faire analyser leurs dépôts par un modèle GLM à la recherche de bogues. Les modèles de Z.ai ont déjà démontré une certaine valeur pratique sur le plan défensif : Hugging Face a déclaré avoir utilisé GLM-5.2 pour enquêter sur une récente faille impliquant les modèles d’OpenAI, après que les garde-fous intégrés aux modèles américains de type « frontier » eurent refusé de contribuer à cette enquête.

Z.ai a reconnu qu’une fois les poids du GLM-5.3 rendus publics, l’entreprise n’aura plus aucun moyen de contrôler la manière dont les utilisateurs modifieront ou utiliseront le modèle à l’avenir, une limitation inhérente aux versions à poids ouverts de manière plus générale. Parallèlement, l’administration Trump semble étudier différentes approches possibles pour réglementer les modèles d’IA open source, dont les capacités rivalisent de plus en plus avec celles de leurs homologues fermés et propriétaires.

Depuis fin 2025, les modèles d'intelligence artificielle (IA) open source chinois ont considérablement étendu leur présence à l'échelle mondiale, leur taux d'adoption passant de 13 % à près de 30 % de l'utilisation totale en 2025, principalement grâce à Qwen et DeepSeek. Cette tendance a été documentée dans le rapport "State of AI" d'OpenRouter, qui a analysé plus de 100 000 milliards de jetons sur plus de 300 modèles, révélant ainsi le passage d'une domination propriétaire à une concurrence pluraliste et open source à l'échelle mondiale.


Voici la présentation de GLM 5-3 :

GLM-5.3 : codage de pointe avec des capacités cybernétiques émergentes

Pour la version GLM-5.3, nous nous sommes uniquement concentrés sur la mise à l’échelle post-entraînement. Avec GLM-5.2, nous avions mis en place la pile technologique : IndexShare pour un traitement efficace des contextes longs, SAO pour l’apprentissage par renforcement (RL) sur des tâches à long terme, et slime pour l’entraînement asynchrone à grande échelle — le tout fonctionnant sur les environnements de tâches à long terme que nous avons accumulés. Au cours du mois dernier, nous avons continué à faire évoluer cette pile : davantage d’environnements, des tâches plus variées et davantage de ressources de calcul consacrées à leur entraînement.

Nous publions aujourd’hui GLM-5.3. Il utilise le même modèle de base que GLM-5.2 — tous les gains proviennent de l’entraînement post-formation. Par rapport à GLM-5.2, il est nettement plus performant pour le codage complexe et les tâches à long terme :

- Codage plus performant : GLM-5.3 est le modèle à poids ouverts le plus performant en matière de codage, avec une amélioration de 50 % par rapport à GLM-5.2 sur notre benchmark interne Z.ai Code Bench. Il atteint également le niveau SOTA open source sur des benchmarks publics, notamment Terminal Bench 3.0 et Agents' Last Exam.

- Capacités cybernétiques émergentes : à mesure que nous avons intensifié l’entraînement post-formation, les capacités cybernétiques se sont développées plus rapidement que prévu. GLM-5.3 est à la pointe de la technologie sur CyberGym en matière de détection de vulnérabilités, et ses gains sont les plus importants en amont de la chaîne d’exploitation, où il fait plus que doubler les performances de GLM-5.2 sur les benchmarks d’exploitation.

- Open source : nous publierons les poids dans deux semaines après le lancement, une fois que l’évaluation de sécurité et le renforcement de la sécurité auront été menés à bien.


Codage plus performant

Pour la version GLM-5.3, nous avons orienté l’adaptation des environnements vers des tâches qui s’apparentent moins à des exercices de codage qu’à de véritables unités de travail d’expert. Les environnements couvrent désormais un éventail beaucoup plus large de flux de travail en production, avec des tâches conçues en fonction de la manière dont le travail d’ingénierie et de recherche est réellement mené dans la pratique. Certaines représentent plusieurs jours de travail pour un ingénieur expérimenté. Dans une tâche liée à l’infrastructure d’apprentissage automatique, par exemple, le modèle peut se voir attribuer le même environnement de travail qu’un ingénieur, avec un accès à des clusters de calcul, des systèmes de stockage, de la documentation interne, des bases de code et des résultats d’expériences. Il doit diagnostiquer les goulots d’étranglement dans l’ensemble de la pile d’entraînement, mettre en œuvre des optimisations, mener des expériences et fournir un gain de vitesse mesurable de bout en bout tout en préservant l’exactitude. L’entraînement sur des environnements de ce niveau pousse le modèle à prendre en charge l’essentiel du travail de bout en bout, plutôt que de compter sur les utilisateurs pour décomposer le problème et superviser chaque étape.

À mesure que les capacités des agents s’améliorent, une grande partie de la difficulté liée à la mise à l’échelle après l’entraînement se déplace du modèle vers l’environnement. Un environnement de tâche utile doit être exécutable, vérifiable et proche du travail professionnel réel — et nous en avons besoin d’un grand nombre, pas seulement d’une poignée d’environnements créés à la main. Pour faire évoluer ce processus à grande échelle, nous avons construit des pipelines qui synthétisent des environnements de bout en bout, ainsi que, pour un sous-ensemble de tâches, le signal de récompense de l’apprentissage par renforcement. Des agents de recherche collectent des modèles de tâches issus de travaux réels et les transforment en environnements exécutables à long terme, comportant des dépendances en plusieurs étapes et des états cachés ; un agent juge tente ensuite chaque tâche pour vérifier qu’elle est effectivement soluble. Les vérificateurs sont synthétisés sans accès à la solution de référence, tandis que les trajectoires des solveurs sont utilisées pour découvrir et éliminer les raccourcis de récompense. Un vérificateur qui passe les contrôles « oracle », « no-op » et « état non résolu » produit une récompense binaire suffisamment fiable pour permettre un apprentissage direct.

Il reprend les stratégies d’apprentissage par renforcement introduites dans GLM-5.2, notamment le SAO avec compactage, ce qui permet de maintenir ces gains sur des tâches à long terme plutôt que sur des tâches à court terme uniquement. Cet effet se manifeste aussi bien dans les tâches de codage que dans les tâches générales des agents. GLM-5.3 passe de 4,6 à 28,3 sur Terminal-Bench 3.0, de 46,2 à 66,9 sur DeepSWE v1.1 et de 23,8 à 28,5 sur Agents’ Last Exam. Ces pipelines nécessitent encore une part non négligeable d’intervention humaine ; rendre la génération et la vérification de l’environnement plus autonomes constitue l’une des prochaines étapes.

Au-delà des benchmarks publics, nous présentons Z.ai Code Bench, un benchmark interne conçu pour évaluer les agents de codage dans des scénarios d’utilisation réalistes. Il couvre diverses catégories de tâches et place les agents dans des environnements de développement locaux complexes. À différents niveaux d’effort, nous évaluons les agents selon deux dimensions : le taux d’achèvement des tâches de bout en bout et la précision fine des listes de contrôle. En tant que benchmark privé, Z.ai Code Bench réduit également le risque de contamination par les ensembles de tests publics et nous fournit une mesure plus fidèle de l’expérience utilisateur dans le monde réel.


Comme le montre la figure, le GLM-5.3 améliore à la fois les performances et l’efficacité en termes de tokens. Il offre des résultats de codage agentique nettement supérieurs à ceux du GLM-5.2 à tous les niveaux d’effort, tout en consommant moins de tokens de sortie. À l’effort maximal, le GLM-5.3 atteint 34,5 % avec environ 75 000 tokens de sortie par tâche, contre 23,4 % à 96 000 pour le GLM-5.2. La même tendance s’observe par rapport aux modèles fermés. À l’effort « High », le GLM-5.3 atteint 31,4 % avec environ 50 000 tokens de sortie, surpassant Claude Opus 4.8 qui affiche 29,5 % avec 120 000 tokens. Le GLM-5.3 reste toutefois derrière Claude Fable 5, qui atteint 39,5 % à l’effort « Max ».

Capacités cybernétiques émergentes

Dans le cadre de l’entraînement post-formation, nous avons intégré des données et des environnements de découverte de vulnérabilités dans le mix d’entraînement. Nous nous attendions à ce que cela améliore la capacité du modèle à détecter les vulnérabilités et à raisonner à leur sujet. Ce qui nous a surpris, c’est la rapidité avec laquelle cette capacité a continué à se développer à mesure que l’entraînement prenait de l’ampleur. Le GLM-5.3 n’est pas simplement devenu plus performant dans l’identification de failles isolées : il a commencé à raisonner à travers plusieurs étapes d’exploitation, élaborant des plans cohérents pour des chaînes d’exploitation complètes.


Nous évaluons le GLM-5.3 à l’aide de trois tests de référence couvrant différentes étapes de l’analyse et de l’exploitation des vulnérabilités. Sur CyberGym, qui part d’un code source en boîte blanche et teste la capacité du modèle à identifier et valider des vulnérabilités en déclenchant des défaillances, GLM-5.3 obtient un score de 84,5 %, contre 77,2 % pour GLM-5.2 — le meilleur résultat de ce benchmark, devant Mythos 5 (83,8 %) et GPT-5.6 Sol (83,6 %). Sur ExploitBench, qui exige un raisonnement plus approfondi sur les vulnérabilités réelles et leur exploitation, GLM-5.3 atteint 54,4 %, soit plus du double des 24,4 % de GLM-5.2, tandis que Mythos 5 et GPT-5.6 Sol obtiennent respectivement 78,0 % et 76,5 %. Sur ExploitGym, qui mesure le nombre de tâches d’exploitation qu’un modèle peut accomplir dans le cadre de budgets normalisés en temps, GLM-5.3 accomplit 105 tâches en deux heures et 130 en six heures, contre 29 et 39 pour GLM-5.2 ; les budgets sont normalisés entre les modèles à l’aide des chiffres de débit par modèle, détaillés dans les notes de bas de page. Mythos 5 reste largement en tête avec 181 et 247 tâches. La tendance est cohérente pour les trois modèles : plus un benchmark se situe en amont de la chaîne d’exploitation, plus le gain apporté par le GLM-5.2 est important — et plus l’écart restant par rapport à la frontière fermée est grand. C’est précisément là où nous sommes le plus à la traîne que les capacités progressent le plus rapidement.

Nous avons ensuite vérifié si ces capacités se transposaient au-delà des benchmarks contrôlés. Depuis le GLM-5.2, nous collaborons avec plusieurs équipes de sécurité en Chine pour tester nos modèles sur des bases de code réelles. Après examen par des experts, filtrage et déduplication, le modèle a identifié 2 436 vulnérabilités réparties sur 269 projets, dont 1 097 problèmes de gravité moyenne à élevée. Ces découvertes concernent les noyaux système, les systèmes d’exploitation, les moteurs de navigateur, les infrastructures open source, les applications web et les protocoles réseau. Beaucoup étaient passées inaperçues pendant des années, voire des décennies, la plus ancienne remontant à environ 40 ans.

Ce travail s’est depuis transformé en une initiative de divulgation continue. Nous avons créé le « Z.ai Security Disclosure Ledger » afin de tenir un registre public des découvertes au fur et à mesure de leur progression dans le processus de divulgation. Ce registre est mis à jour en continu à mesure que de nouvelles vulnérabilités sont examinées et divulguées, en distinguant les problèmes déjà rendus publics de ceux qui sont encore en cours de divulgation. Pour les problèmes divulgués, il consigne des informations telles que le projet concerné, la gravité, le numéro CVE (le cas échéant) et la durée pendant laquelle la vulnérabilité est restée dans la base de code.


slime : conçu pour la mise à l'échelle de l'apprentissage par renforcement à long terme

Tout cela fonctionne sur slime, notre framework open source de post-entraînement dédié à la mise à l'échelle de l'apprentissage par renforcement, qui utilise Megatron pour l'entraînement et SGLang pour le déploiement. Sa conception regroupe l’entraînement, le déploiement et le tampon de données au sein d’un seul flux de données. Ainsi, les calculs, le code, les bacs à sable, les vérificateurs et les environnements agentiques à long terme s’intègrent sous forme de génération de données plutôt que de modifications apportées à la boucle d’entraînement. C’est ce qui nous a permis de continuer à ajouter...