Un bug di 45 anni ha ritardato un modello IA

Cosa ha trovato GLM-5.3, e con quale rapidità

Il laboratorio cinese di IA Z.ai ha lanciato GLM-5.3 il 14 agosto 2026 sulla stessa base a miscela di esperti da 743 miliardi di parametri del predecessore GLM-5.2, con ogni guadagno di capacità riportato proveniente da un post-training esteso e non da un nuovo ciclo di pre-training. Solo quel post-training ha portato il punteggio Terminal-Bench 3.0 del modello da 4,6 a 28,3 e il suo punteggio di rilevamento vulnerabilità CyberGym dal 77,2 all'84,5 per cento, davanti sia a Claude Mythos 5 all'83,8 per cento sia a GPT-5.6 Sol all'83,6 per cento. Z.ai ha poi usato il modello stesso per analizzare software open source reale e ha riportato 2.436 vulnerabilità distinte in 269 progetti, con una falla risalente al 1981, 45 anni prima di essere scoperta.

Di questi 2.436 risultati, solo 53 sono pubblici oggi; i restanti 2.383, inclusi tutti i risultati critici e ad alta gravità, restano sotto embargo mentre i progetti coinvolti ricevono il tempo per correggerli.

Un'abilita che nessuno ha addestrato

Z.ai descrive la capacità di scoperta delle vulnerabilità come non pianificata, dicendo che il modello l'ha semplicemente acquisita mentre la capacità continuava ad accumularsi con l'aumento del training, e non come risultato di un programma deliberato di cybersicurezza. La distinzione conta perché i cicli di post-training sono molto più economici e veloci da eseguire rispetto a un intero ciclo di pre-training, la fase attorno a cui sono costruite la maggior parte delle revisioni di sicurezza e delle soglie di calcolo. GLM-5.3 ha completato 105 attività di generazione exploit in due ore e 130 entro sei ore nel benchmark ExploitGym, contro 29 e 39 di GLM-5.2 sullo stesso modello di base appena mesi prima, un salto nella capacità offensiva arrivato senza un nuovo modello di base, senza un nuovo ciclo di addestramento e senza alcun segnale pubblico preventivo.

La promessa di due settimane arrivata e passata

Z.ai ha scaglionato il rilascio di GLM-5.3: il modello è diventato disponibile il giorno del lancio tramite la propria API, il suo GLM Coding Plan e il prodotto ZCode, mentre i pesi aperti scaricabili, la versione che qualsiasi laboratorio o azienda può ospitare ed eseguire in autonomia, erano promessi per circa due settimane dopo, verso il 28 agosto, una volta completata una valutazione di sicurezza e un irrobustimento del modello. È la prima volta che Z.ai ritarda il rilascio dei pesi di un GLM, in un approccio scaglionato simile a quello usato da Moonshot per il suo modello Kimi K3. La data del 28 agosto è ormai passata senza che i pesi siano stati rilasciati, e Z.ai non ne ha indicata una nuova, trattando il calendario originale come un'aspettativa e non un impegno.

Perché questo conta oltre il calendario di un'azienda

Un ritardo volontario e, al momento, l'unico vero freno affinché una capacità del genere raggiunga la distribuzione aperta: nessuna legge da nessuna parte obbliga un laboratorio a trattenere i pesi di un modello perché un punteggio benchmark e risultato più alto del previsto. Il quadro normativo dell'UE per i modelli di IA generale più capaci, applicato dall'AI Office dal 2 agosto 2026, fissa la sua soglia di rischio sistemico usando il calcolo di training speso per costruire un modello, una misura pensata attorno a un singolo grande ciclo di pre-training. Il salto di GLM-5.3 è arrivato interamente dal post-training su una base già esistente, il tipo di aggiornamento economico e rápido che una soglia di calcolo tarata sul pre-training non è attrezzata a rilevare, e che un laboratorio può ripetere ogni pochi mesi. Il fatto che la stessa promessa di due settimane di Z.ai sia già scaduta e il segnale più chiaro finora che le finestre di revisione autoimposte si muovono più lentamente dei cicli di aggiornamento che dovrebbero governare.

Lo facciamo per tutti quelli che cercano di stare al passo con ciò che la tecnologia sta facendo alle nostre vite. Le persone che la costruiscono, e le persone a cui capita. Il Servola Journal esiste perché ciò che impariamo appartenga a tutti loro.

Nessuno ci paga per questo. Niente pubblicità, nessun paywall, gratis per tutti. Crediamo semplicemente che capire cosa sta succedendo a tutti noi non debba dipendere da chi può permettersi di pagare per saperlo.

Se oggi questo articolo vi ha dato qualcosa, diteci di continuare. Seguiteci, lasciate un like o scrivete un commento positivo. Li leggiamo tutti, e sono ciò che ci fa andare avanti.

Da leggere ora: Washington potrebbe esentare da ciò che Bruxelles pretenderà  |  I tuoi fornitori di IA rischiano multe europee