Zhipu เปิดตัว GLM-5.3: เจาะผลเบนช์มาร์กโคจรรอบความปลอดภัย
Zhipu ปล่อยโมเดลโค้ดดิ้ง GLM-5.3 เมื่อ 14 ส.ค. ทำคะแนน CyberGym ชนะ Anthropic และ OpenAI เล็กน้อย แต่ผลทดสอบอื่นยังตามหลัง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Zhipu เปิดตัวโมเดล GLM-5.3 เน้นการเขียนโค้ดเมื่อ 14 สิงหาคมที่ผ่านมา
- ทำคะแนน CyberGym แซงหน้า Anthropic Mythos 5 และ OpenAI GPT-5.6 Sol เล็กน้อย
- ผลทดสอบด้านการสร้าง Exploit และเวลาทำงานยังคงตามหลังคู่แข่งชาวอเมริกัน
- บริษัทเตรียมเปิดเผยน้ำหนักโมเดล (Open-weights) สิ้นเดือนสิงหาคมนี้
บริษัท Zhipu หรือที่รู้จักในชื่อ Z.ai ได้ทำการเปิดตัว GLM-5.3 โมเดลปัญญาประดิษฐ์ที่เน้นงานเขียนโค้ด เมื่อวันที่ 14 สิงหาคม พร้อมทั้งเผยแพร่บันทึกทางเทคนิคที่ระบุผลการทดสอบเทียบกับโมเดลคู่แข่งจากสหรัฐอเมริกา โดยประเด็นที่ถูกพูดถึงอย่างมากคือความสามารถด้านความปลอดภัยทางไซเบอร์ที่โดดเด่นขึ้นมาอย่างกะทันหัน
ในผลการทดสอบบนเบนช์มาร์กที่ชื่อว่า CyberGym โมเดล GLM-5.3 ทำคะแนนได้ 84.5% สูงกว่า Anthropic Mythos 5 ที่ทำได้ 83.8% และ OpenAI GPT-5.6 Sol ที่ทำได้ 83.6% ส่งผลให้มีรายงานข่าวออกไปว่าโมเดลจากจีนสามารถค้นหาบั๊กได้เก่งกว่าฝั่งสหรัฐอเมริกาแล้ว อย่างไรก็ตาม เอกสารของ Zhipu เองกลับมีความระมัดระวังในการนำเสนอมากกว่านั้น
แม้คะแนนบน CyberGym จะเป็นเรื่องจริงและมีระยะห่างเพียงเจ็ดส่วนของเปอร์เซ็นต์ แต่ผลทดสอบด้านความปลอดภัยอีกสองชุดกลับให้ผลลัพธ์ที่ต่างออกไป โดย ExploitBench ซึ่งวัดความสามารถในการเข้าใจและหาทางใช้ประโยชน์จากช่องโหว่ (Exploit) จริง GLM-5.3 ทำได้เพียง 54.4% ขณะที่ Mythos 5 ทำได้ 78.0% และ GPT-5.6 Sol ทำได้ 76.5%
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ในด้านการทดสอบความเร็วอย่าง ExploitGym โมเดล GLM-5.3 ทำภารกิจสำเร็จ 105 งานภายในเวลา 2 ชั่วโมง และ 130 งานใน 6 ชั่วโมง ในขณะที่ Mythos 5 ทำได้ถึง 181 และ 247 งานตามลำดับ ซึ่งแสดงให้เห็นว่าการหาช่องโหว่กับการสร้าง Exploit ออกมาใช้งานจริงเป็นคนละเรื่องกัน และ Zhipu ก็ระบุเรื่องนี้ไว้ในเอกสารอย่างชัดเจน
การวิเคราะห์เชิงลึกชี้ให้เห็นว่า ความตื่นตัวเรื่องความสามารถของ AI จากจีนมักเกิดจากการมองตัวเลขเดี่ยวๆ ข้ามบริบทโดยรวม การที่โมเดลมีคะแนนสูงในการค้นหาจุดอ่อนไม่ได้แปลว่ามีความสามารถรอบด้านในการโจมตีหรือป้องกันระบบเสมอไป นอกจากนี้ การที่ Zhipu ประเมินผลโมเดลของตนผ่าน Claude Code 2.1.207 ซึ่งเป็นเครื่องมือเอเจนต์ของ Anthropic ยังสะท้อนให้เห็นว่าโครงสร้างพื้นฐานด้านเครื่องมือ (Tooling Layer) ในอุตสาหกรรมนี้ยังคงพึ่งพาเทคโนโลยีจากสหรัฐอเมริกาเป็นหลัก
นอกจากผลเบนช์มาร์กแล้ว Zhipu ยังระบุว่าได้ร่วมมือกับทีมรักษาความปลอดภัยในจีนในการนำโมเดลไปทดสอบกับโค้ดเบสจริง จนสามารถระบุช่องโหว่ได้ถึง 2,436 รายการจาก 269 โครงการโอเพนซอร์ส โดยแบ่งเป็นระดับวิกฤต 107 รายการ ระดับสูง 990 รายการ ระดับปานกลาง 1,286 รายการ และระดับต่ำ 53 รายการ ช่องโหว่ที่เก่าแก่ที่สุดย้อนไปถึงปี 1981 และค่าเฉลี่ยของช่องโหว่เหล่านี้อยู่ในโค้ดมานานถึง 26.6 ปี
ในประเด็นด้านต้นทุน Zhipu รายงานว่า GLM-5.3 ทำคะแนนบนเบนช์มาร์กภายในได้ 31.4% โดยใช้โทเค็นฝั่งขาออกประมาณ 50,000 โทเค็นต่อหนึ่งงาน เทียบกับ Opus 4.8 ที่ทำได้ 29.5% แต่ต้องใช้โทเค็นถึง 120,000 โทเค็น ซึ่งความคุ้มค่าด้านต้นทุนนี้อาจช่วยให้ทีมรักษาความปลอดภัยขนาดเล็กสามารถเข้าถึงเครื่องมือเหล่านี้ได้ง่ายขึ้น
ที่มา: AI News
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น