2026. október 1., csütörtök · Kutatás

Anthropic: a nyílt GLM-5.3 majdnem eléri a Claude Mythos Preview exploit-tudását

Az Anthropic Frontier Red Team elemzése szerint a kínai Zhipu AI (nemzetközi nevén Z.ai) nyílt súlyú GLM-5.3 modellje kiberbiztonsági exploitfejlesztésben megközelíti a saját Claude Mythos Preview modelljét. A Chrome V8 motorját célzó ExploitBench teszten a GLM-5.3 410-ből 50, a Mythos Preview 56 esetben épített működő exploitot, egy Google OSS-Fuzz-alapú belső teszten pedig 4, illetve 6 százalékban vette át a célprogram irányítását. Anthropic szerint a GLM-5.3 védelmi korlátai egyszerű trükkökkel megkerülhetők, és a modell szabadon letölthető, míg a Mythos Previewhez csak a Project Glasswing programon keresztül férnek hozzá kiválasztott védekezők, akik a cég állítása szerint már több mint 10 000 sebezhetőséget tártak fel kritikus szoftverekben. Egy tesztben a GLM-5.3 emberi segítséggel egy nap alatt korábban ismeretlen hibákat talált egy böngésző JavaScript-motorjában, és ezekből kiolvasott egy magánkulcsot.

Miért fontos?

A hír konkrétan azt mutatja, hogy a szabadon letölthető, gyenge védelemmel rendelkező GLM-5.3-mal szemben az OpenAI is korlátozott hozzáféréssel kezeli hasonló képességű Daybreak modelljét, ami jelzi a frontier-szintű exploit-tudás ellenőrizetlen terjedésének kockázatát.

Források

The Decoder

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI kutatás #GLM-5.3#kiberbiztonsági kockázat

Napi összefoglaló

Ez a hír a 2026. október 1., csütörtök napi AI összefoglaló része.

Kapcsolódó hírek

Google DeepMind: láthatatlan vízjel az AI-tervezte fehérjékben

A Google DeepMind bemutatta a SynthID Bio nevű vízjelező technológiát, amely mesterséges intelligenciával tervezett fehérjékbe épít be észrevehetetlen jelet – nem csak a digitális modellbe, hanem a ténylegesen szintetizált, fizikai fehérjébe is. A cég állítása szerint a módszer a fehérjeszekvenciák aminosav-választását és a 3D-szerkezetek atomi koordinátáit finomhangolja úgy, hogy a biológiai működés megmaradjon. Laboratóriumi tesztekben az AlphaProteo és egy SynthID Bio-kompatibilis ProteinMPNN kombinációjával három célfehérjén (VEGF-A, a SARS-CoV-2 tüskefehérje RBD-doménje, PD-L1) vizsgálták a módszert, és a vízjelezett tervek a DeepMind szerint megegyező találati arányt, kötési affinitást és szekvenciadiverzitást mutattak, mint a vízjel nélküliek. A cég ezt a saját közleménye szerint az első olyan esetnek nevezi, amikor vízjelezett és biológiailag működőképes fehérjekötőt hoztak létre.

Microsoft bemutatta a Quine nevű AI-rendszert a biológiai kutatáshoz

A Microsoft Research bejelentése szerint elkészült a Quine nevű kutatási rendszer, amely egy többmodalitású „világmodellt” épít a biológiáról, és összeköti a modelleket, tudományos eszközöket, szakirodalmat és kutatókat egyetlen interaktív keretben. A vállalat állítása szerint a Broad Institute (Harvard–MIT) kutatóival együttműködve a rendszert olyan vegyületek rangsorolására használták, amelyek daganatsejtek állapotát terápiásan kedvező irányba tolhatják el, és a legjobbra rangsorolt jelöltek egy részét több laboratóriumi kísérletben validálták. A Microsoft saját közlése szerint a Quine kifejezetten kísérleti, kutatási célú technológia, klinikai vagy orvosi felhasználásra nem alkalmas, kimenetei hiányosak vagy pontatlanok lehetnek, és szakértői ellenőrzést igényelnek. A cég emellett egy „Quine Fellows” programot is indít, amelyben kutatók kaphatnak hozzáférést a rendszerhez, hosszabb távon pedig a technológiát a Microsoft Discovery termékcsaládba tervezik integrálni.

Anthropic AI-ügynökei „felfedezést” jelentettek, a biológusok vitatják

Az Anthropic a múlt szerdán bejelentette, hogy idén korábban molekuláris biológiai labort indított, ahol Claude-ügynökök olvasnak és tesznek feltevéseket nehéz biológiai problémákról, a kísérleteket pedig emberi kutatók végzik el. A cég állítása szerint a 950 ügynökből álló rendszer 21 óra alatt egy ismert enzim körüli, korábban nem katalogizált ismétlődő mintázatot talált, amelyet a CRISPR-hez vezető felfedezésekre emlékeztetőnek nevezett. Több biológus vitatja ezt: egy virálissá vált bejegyzés szerint egy furcsa génklaszter megtalálása a könnyebb rész, az igazi felfedezés annak kiderítése, mit is csinál a rendszer – ezt a kritikát az Eli Lilly vezérigazgatója is megerősítette. A New York Times szerint emellett Mario Rodríguez Mestre, a Koppenhágai Egyetem biológusa azt állítja, csapata már korábban felfedezte ugyanezt a mintázatot.

Grafikus neurális háló jósolja fehérjék membrán-topológiáját

Egy új kutatás a SchNet grafikus neurális hálót (GNN) alkalmazza transzmembrán fehérjék topológiájának előrejelzésére, közvetlenül a 3D szerkezetből kiindulva. A modellt a DeepTMHMM nevű korábbi módszer kifejlesztéséhez használt adathalmazon tanították, ötszörös keresztvalidációval. A szerzők állítása szerint a szokásos, csak az aminosav-szekvenciát vagy az alfa-szénatomokat használó megközelítésekkel szemben itt minden atomszintű beágyazást felhasználtak a klasszifikátor felépítéséhez. Fontos hangsúlyozni, hogy ez egy lektorálás előtt álló arXiv-preprint, előre betanított súlyok nélkül készült, és a cikk csak „nagy potenciált” említ, nem véglegesített, validált teljesítménymutatókat. Az eredmény tehát ígéretes irányt jelez a GNN-alapú topológia-predikcióra, de önálló, független megerősítésre még szükség van.