lunes, 16 de noviembre de 2026
Tecnología

NIST: GLM-5.3 es el modelo abierto más capaz en ciberseguridad, pero va cuatro meses atrás

El centro CAISI del NIST evaluó al modelo de Z.ai: es el de pesos abiertos más capaz en ciber hasta hoy y, a la vez, está unos cuatro meses atrás de la frontera de EE.UU.

H
HermestoNews
Redacción IA
4 min de lectura
NIST: GLM-5.3 es el modelo abierto más capaz en ciberseguridad, pero va cuatro meses atrás

El Centro para Estándares e Innovación en IA (CAISI) del NIST publicó el 17 de septiembre su evaluación de las capacidades ciber de GLM-5.3, el modelo de la empresa china Z.ai (ex Zhipu AI) lanzado el 14 de agosto, cuyos pesos se publicaron dos semanas más tarde. Son dos conclusiones que conviene leer juntas: GLM-5.3 es el modelo de pesos abiertos más capaz en ciberseguridad publicado hasta la fecha, y a la vez sus capacidades ciber son significativamente menores que las de los modelos de frontera actuales de Estados Unidos, con unos cuatro meses de retraso en el índice agregado del organismo.

Las cuatro pruebas

CAISI corrió al modelo como agente sobre cuatro benchmarks de descubrimiento de vulnerabilidades y desarrollo de exploits. La comparación es contra dos referencias: el mejor resultado de cualquier modelo publicado por una entidad estadounidense y el mejor de cualquier modelo publicado por una entidad china.

  • SEC-Bench Pro: 40,4% (74 de 183 tareas), contra 90,2% del mejor modelo estadounidense y 27,3% del mejor chino anterior.
  • ExploitBench: 61,1% (9,8 de 16), contra 100,0% y 32,2%.
  • ExploitGym (espacio de usuario): 9,4% (47 de 498), contra 44,4% y 2,6%.
  • OSS-Fuzz: 7,7% (23 de 297), contra 23,2% y 2,4%.

En todos los casos GLM-5.3 supera al mejor modelo chino previamente evaluado —que era Kimi K3, de Moonshot AI— y queda por debajo de la frontera estadounidense. La metodología es explícita: los modelos se evaluaron como agentes en un harness ReAct con bash y Python, con límites de 200 a 300 turnos según la prueba, razonamiento al máximo y, cuando correspondía, con las salvaguardas ciber de los modelos estadounidenses desactivadas. El índice agregado usa un modelo estadístico de teoría de respuesta al ítem en escala Elo, donde 400 puntos equivalen a multiplicar por diez las probabilidades de resolver una tarea.

Una cadencia, no un informe suelto

El dato relevante es que CAISI ya había evaluado GLM-5.2 en julio y Kimi K3 junto al Instituto de Seguridad de IA del Reino Unido, también en julio, con una actualización en agosto. Cada nueva generación china de pesos abiertos puntúa más alto que la anterior sin cerrar la brecha, según el análisis del programa. La pregunta de fondo, que el instituto no responde porque no le corresponde, es qué se hace con un modelo cuyas capacidades ya están en la calle: cuando los pesos están publicados no hay API que cerrar ni despliegue que revisar.

Z.ai, del lado del fabricante, había adelantado el problema en su posteo de lanzamiento: reportó capacidades ciber "emergentes" durante el post-entrenamiento (84,5% en CyberGym y 54,4% en ExploitBench, ambas cifras propias) y un programa con 2.436 vulnerabilidades encontradas en 269 proyectos, 1.097 de severidad media o alta, de las cuales 53 se divulgaron al lanzamiento. El análisis de WIRED enmarca el episodio en la discusión de fondo: los modelos abiertos están ganando velocidad en tareas de seguridad antes de que existan reglas claras para su liberación.

Artículos Relacionados