SaferAI, organizacja non-profit oceniająca bezpieczeństwo AI, opublikowała 4 sierpnia 2026 analizę, z której wynika, że otwarty model GLM-5.2 chińskiego Z.ai dorównuje możliwościami czołowym modelom zamkniętym. Różnica leży gdzie indziej: model otwarty nie ma ich zabezpieczeń. Wniosek badaczy jest prosty — przewaga w zdolnościach nie idzie w parze z kontrolą ryzyka.
Najważniejsze w skrócie
- GLM-5.2 od Z.ai nie odmówił wykonania żadnego z zadań z ofensywnego cyberbezpieczeństwa ani z biologii podwójnego zastosowania.
- Claude Opus 4.7 od Anthropic odmawiał tak konsekwentnie, że SaferAI nie zdołał dokończyć na nim testu CyberGym.
- GLM-5.2 nie ma opublikowanej polityki bezpieczeństwa ani zobowiązań do testów przed wdrożeniem.
- Far.ai wykrył setki uniwersalnych sposobów obejścia zabezpieczeń (jailbreaków) także w modelach czołowych.
- Ocena objęła m.in. GPT-5.6 Sol, Claude Opus 5, Grok 4.5 i Gemini 3.1 Pro.
Otwarte modele dogoniły czołówkę
Chiński Z.ai udostępnił GLM-5.2 z otwartymi wagami?otwarte wagi: Publicznie udostępnione parametry modelu — można go pobrać, uruchomić i modyfikować lokalnie, bez pośrednictwa dostawcy., co oznacza, że każdy może go pobrać i uruchomić lokalnie. Według testów SaferAI model plasuje się w możliwościach obok najlepszych modeli zamkniętych, takich jak GPT-5.6 Sol od OpenAI, rodzina Claude Opus 5 od Anthropic, Grok 4.5 od xAI oraz Gemini 3.1 Pro od Google DeepMind.
Jeszcze rok temu otwarte modele wyraźnie odstawały od czołówki. Dziś ta luka w surowych zdolnościach praktycznie zniknęła, a to zmienia rachunek ryzyka: potężny model przestaje być zasobem zamkniętym w kilku laboratoriach i staje się plikiem do pobrania.
Gdzie jest luka
Problemem nie są same możliwości, lecz brak kontroli nad nimi. W testach SaferAI GLM-5.2 nie odmówił żadnego z zadań dotyczących ofensywnego cyberbezpieczeństwa ani biologii podwójnego zastosowania — czyli takich, które mogą posłużyć do budowy broni.
Model nie ma opublikowanej polityki bezpieczeństwa, deklaracji o testach przed wdrożeniem ani formalnej oceny ryzyka. Kontrast z czołówką jest wyraźny: Claude Opus 4.7 odmawiał wykonania groźnych zadań tak konsekwentnie, że SaferAI nie był w stanie przeprowadzić na nim pełnego benchmarku CyberGym, mierzącego zdolność do działań w cyberbezpieczeństwie.
| Wymiar bezpieczeństwa | GLM-5.2 (otwarty) | Modele czołowe (zamknięte) |
|---|---|---|
| Odmowa groźnych zadań | nie odmawia | odmawiają (Claude Opus 4.7) |
| Polityka bezpieczeństwa | brak | opublikowana |
| Testy przed wdrożeniem | brak | zadeklarowane |
| Odporność na jailbreaki | nieznana | krucha — setki jailbreaków |
Modele zamknięte też nie są odporne
Luka nie oznacza, że modele zamknięte są bezpieczne. Organizacja Far.ai wykazała setki uniwersalnych jailbreaków — technik, które jednym uniwersalnym poleceniem obchodzą zabezpieczenia — działających również na modelach czołowych. Zabezpieczenia zależą więc nie tylko od tego, czy wagi są otwarte, lecz od tego, jak model został wytrenowany i jak twardo egzekwuje odmowy. Henry Papadatos z SaferAI ujął to następująco.
Granica możliwości to nie jest granica ryzyka.
Henry Papadatos, SaferAI.
Kontekst chiński
Brak formalnych ram bezpieczeństwa w GLM-5.2 wpisuje się w szerszy wzorzec. Jak zauważa Graham Webster ze Stanford Cyber Policy Center, chińskie laboratoria historycznie koncentrowały się na filtrowaniu "treści politycznie wrażliwych", a nie na "katastroficznych ryzykach AI" rozumianych jak na Zachodzie. To rozbieżność priorytetów, nie tylko różnica techniczna, i pokazuje, że globalny rynek modeli otwartych nie ma wspólnego standardu oceny zagrożeń.
Dlaczego to ważne?
Otwarte wagi demokratyzują dostęp do zaawansowanej AI, ale przenoszą ciężar bezpieczeństwa z dostawcy na cały ekosystem. Gdy model bez zabezpieczeń trafia do publicznego obiegu, nie da się go wycofać ani zaktualizować u wszystkich użytkowników. Rosnące możliwości przy zerowych barierach oznaczają, że ryzyko nadużyć w cyberbezpieczeństwie czy biologii przestaje być teoretyczne. Jednocześnie odporność modeli zamkniętych okazuje się krucha, co podważa założenie, że kontrola nad wagami wystarcza za realną politykę bezpieczeństwa.
Co dalej?
- SaferAI zapowiada dalsze publiczne oceny kolejnych modeli — pełny raport GLM-5.2 jest już dostępny na stronie organizacji.
- Presja regulacyjna może wymusić na twórcach modeli otwartych publikowanie ram bezpieczeństwa i wyników testów przed udostępnieniem wag.
- Wykryte przez Far.ai uniwersalne jailbreaki będą testem, czy laboratoria czołowe zdołają utwardzić odmowy bez utraty użyteczności modeli.
Źródła
- TechCrunch — Open-weight AI models are catching up to the frontier. The safety gap remains.
- SaferAI — GLM-5.2 evaluation report
- Far.ai — Jailbreak leaderboard
