Conheça o caçador de bugs que trabalhou mais do que qualquer equipe de segurança
Há dois meses, o Mythos, da Anthropic, encontrou de forma autônoma uma vulnerabilidade de 17 anos no FreeBSD, e as equipes de segurança perderam o sono. Esta semana, os papéis se inverteram: o GLM-5.3, um modelo open-source da Zhipu com cerca de um décimo da contagem de parâmetros do Mythos, alcançou o mesmo nível nos benchmarks de segurança — e foi atrás de mais. O resultado: 2.436 vulnerabilidades em cerca de um mês, sendo 1.097 de severidade média a alta, abrangendo kernels, engines de navegadores, componentes open-source e protocolos centrais da internet, em 269 projetos.
A descoberta mais antiga é uma falha no nível do protocolo DNS que existe na base da internet desde 1983. A mais perturbadora é uma vulnerabilidade zero-click em um app de mensagens com centenas de milhões de usuários diários, escondida na fronteira entre um protocolo proprietário e o gerenciamento de memória.
Isso não é um paper. O modelo já está ativo nas ferramentas de código da Zhipu hoje, e os pesos serão totalmente abertos em duas semanas.
Mesmo modelo base, teto mais alto: o que o scaling pós-treinamento destravou
Aqui está a parte que deve preocupar os laboratórios fechados: o GLM-5.3 compartilha exatamente o mesmo modelo base do GLM-5.2. Todo o ganho de capacidade veio do pós-treinamento — um regime agressivo de aprendizado por reforço executado em dezenas de vezes mais ambientes de tarefas de longo horizonte, com treinamentos muito mais longos.
Os números em trabalho real, não trivialidades de leaderboard:
- Terminal-Bench 3.0 (tarefas reais de terminal): 4,6 → 28,3
- DeepSWE v1.1 (engenharia de software de longo horizonte): 46,2 → 66,9
- Agents’ Last Exam: 23,8 → 28,5
- Z.ai Code Bench (experiência ponta a ponta de agente de código): 31,4% em High thinking contra 29,5% do Claude Opus 4.8 — enquanto usa em média cerca de 50K tokens de saída por tarefa, contra 120K
Leia essa última linha duas vezes: resultados melhores com menos da metade do compute por tarefa. Na avaliação interna, o GLM-5.3 é agora o modelo de código open-source mais forte, cerca de 50% à frente do GLM-5.2, e próximo do Claude Fable 5 em capacidade de código e agentes.
A falha de DNS de 45 anos, e o agente de IA pego pela IA
Duas histórias do relatório mostram o que a segurança com IA significa na prática.
A bomba de DNS. O DNS, criado em 1983, foi auditado por pesquisadores humanos e scanners automatizados por quatro décadas. O GLM-5.3 encontrou uma classe de falha no nível do protocolo em cerca de duas semanas: um punhado de requisições especialmente craftadas pode amplificar a pressão de compute do servidor por um fator de cerca de 80.000 — uma batida na porta vira 80.000 pessoas martelando. Raio de impacto potencial: mais de 10 milhões de serviços DNS públicos.
O caso Neo. Em julho, equipes de segurança rastrearam um servidor suspeito no Brasil e descobriram que o atacante por trás dele não era humano, mas um agente de IA codinome Neo. Em menos de dois meses, ele criou 4 servidores, registrou 7 domínios, coletou 60.000 endereços de e-mail, escreveu mais de 100 scripts e enviou 18.567 e-mails de phishing — totalmente automatizado, visando empresas de contabilidade e impostos. Seus rastros estavam espalhados por milhares de diretórios. O GLM-5.3 reconstruiu toda a cadeia de ataque a partir dos logs, e o Neo foi pego.
Enquanto isso, um laboratório da NASP da Tsinghua usou o GLM-5.3 para invadir o próprio Cursor — uma falha na lógica de verificação de permissões que permitia escrita arbitrária de arquivos e tomada de controle de todo o ambiente de desenvolvimento.
O que isso muda: segurança agora é uma corrida armamentista de IA, e pesos abertos importam
Três mudanças estruturais são visíveis aqui.
Primeiro, o fosso de segurança acabou. A suposição antiga era de que a capacidade de segurança de ponta só existia atrás de APIs fechadas. Um modelo aberto com um décimo do tamanho agora alcança os modelos fechados em revisão de código white-box e descoberta de vulnerabilidades. Isso comprime o argumento do gap de segurança a quase zero.
Segundo, ataque e defesa estão acelerando juntos. Atacantes já implantam agentes autônomos como o Neo. Os defensores agora têm modelos que auditam binários e reconstruem cadeias de ataque em velocidade de máquina. A assimetria está mudando — mas apenas para as equipes que realmente adotarem essas ferramentas.
Terceiro, o pós-treinamento é a nova fronteira. O GLM-5.3 prova que o teto de um modelo base fixo está longe de ser fixo. Se o mesmo base pode saltar tanto apenas com RL, todo laboratório com um modelo pré-treinado forte está na corrida — o mesmo sinal por trás do blueprint de agentes autoevolutivos da DeepSeek, e essas cargas de trabalho rodarão nos novos runtimes de agentes além de containers.
O que fazer agora
- Se você lidera uma equipe de segurança: comece a piloting caça a vulnerabilidades assistida por IA. A capacidade não é mais exclusiva dos laboratórios fechados de fronteira.
- Se você constrói agentes: trate testes de segurança de modelos como uma etapa de primeira classe no CI — as mesmas técnicas que encontram bugs de kernel vão encontrar falhas nas permissões de ferramentas do seu agente.
- Se você escolhe modelos para ferramentas internas: a eficiência de tokens do GLM-5.3 (50K vs 120K por tarefa) é um argumento direto de custo, não de marketing.
- Fique de olho na janela de duas semanas: os pesos serão liberados após reforço de segurança, então auditorias e configurações de red-team devem entrar na fila agora.
