Ein offenes Modell aus China schlägt ein US-Spitzenmodell bei der Suche nach Sicherheitslücken, zu einem Bruchteil der Kosten und auf eigener Hardware betreibbar. Das hat die Schwachstellensuche mit GLM 5.2 durch Sicherheitsunternehmen Semgrep in einem eigenen Test ergeben.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügenWieder eine Benchmark-Schlagzeile, wieder ein neues Modell. Diesmal lohnt der zweite Blick, weil hinter der Zahl ein Mechanismus steckt, der die Kostenrechnung und die Datenhoheit im Mittelstand verschiebt.
Das Wichtigste in Kürze
- GLM 5.2 von Zhipu AI erreichte im Semgrep-Test 39 % beim Aufspüren von Zugriffsfehlern und lag damit vor Claude Code mit 32 %.
- Pro gefundener Lücke fielen rund 0,15 € an, etwa ein Sechstel der Kosten eines vergleichbaren Spitzenmodells.
- Die offenen Gewichte stehen unter MIT-Lizenz, das Modell läuft komplett im eigenen Rechenzentrum.
- Der eigentliche Hebel bleibt das Harness, nicht das Modell: Semgreps eigene Pipeline erreichte 53 bis 61 % F1.
Was hat Semgrep eigentlich gemessen?
Semgrep prüfte eine eng umrissene Aufgabe: das Aufspüren von Insecure Direct Object References, also Zugriffsfehlern, bei denen eine Anwendung eine fremde Nutzer-ID oder einen Dateinamen ausliefert, ohne die Berechtigung zu prüfen. Diese Klasse zählt seit Jahren zu den häufigsten Web-Schwachstellen und lässt sich schwerer finden als ein gefährlicher Funktionsaufruf, weil das Modell eine fehlende Prüfung erkennen muss statt eines vorhandenen Fehlers.
Wichtig für die Einordnung: GLM 5.2 lief mit einem schlichten Prompt ohne Semgreps aufwendiges Gerüst, also ohne Endpunkt-Erkennung und geführte Navigation. Genau deshalb wirkt die Zahl aussagekräftig und zugleich begrenzt. Semgrep selbst betont die enge Lage: ein Datensatz, ein Durchlauf, eine Aufgabe. Bei der SSRF-Erkennung könnte das Bild schon wieder kippen.
Wie viel taugt ein Anbieter-eigener Benchmark?
Vorsicht ist angebracht, sobald eine Firma das eigene Werkzeug gewinnen sieht. Hier liegt der Fall anders, denn Semgreps fertig gerüstete Pipeline schlug beide Modelle deutlich. Die Botschaft lautet also nicht „offene Modelle haben aufgeholt“, sondern „ein offenes Modell schafft das, bei dieser Aufgabe, unter diesen Bedingungen“. Der Abstand von GLM 5.2 zum nächsten offenen Modell fiel größer aus als der Abstand zu Claude Code.
Eine unabhängige Prüfung stützt das Bild dennoch. Das Sicherheitsteam von Graphistry testete GLM 5.2 auf einem Capture-the-Flag-Datensatz und sah das Modell bei den Lösungsraten auf dem Niveau von Claude Opus, bei mehr als doppelter Kostenersparnis. Zwei methodische Warnungen gehören dazu: Auf kontaminierten öffentlichen Benchmarks schnitt Claude deutlich besser ab, und bei der härtesten allgemeinen Logik liegt Opus weiter klar vorne. Wie KI-Modelle die Schwachstellenlandschaft umpflügen, haben wir bereits an Claude Mythos ausführlich gezeigt.
Ein offenes, lokales KI-Modell zum Sechstel des normalen Preises verändert die Rechnung jedes Mittelständlers, der sensiblen Code prüfen lässt.
— Markus Seyfferth, Chefredakteur Dr. Web
Warum zählt das gerade für DACH-Entscheider?
Der entscheidende Punkt liegt nicht im Benchmark, sondern in der Architektur des Angebots. Die offenen Gewichte stehen unter MIT-Lizenz, herunterladbar und im eigenen Rechenzentrum betreibbar. Quantisierte Builds drücken das Modell so weit zusammen, dass ein einzelner gut bestückter Rechner genügt. Für eine Code-Prüfung an einer sensiblen Codebasis bedeutet das: keine Zeile verlässt das Firmennetz, kein Auftragsverarbeitungsvertrag mit einem US-Anbieter, keine Abhängigkeit von einem Zugang, den eine politische Entscheidung kappen kann. Warum offene Modelle sich gegen eine US-Sperre behaupten, haben wir nach der Anthropic-Abschaltung von Mythos und Fable eingeordnet, und welches Modell wofür taugt, klärt der LLMs-Ratgeber.
Die Selbsthoster-Idee hat eine Kehrseite. Z.ai unterliegt dem chinesischen Nachrichtendienstgesetz, und die offene Lizenz erlaubt jedem, die Schutzmechanismen zu entfernen. In russischsprachigen Foren kursierten bereits Tage nach dem Release Anpassungen für offensive Zwecke. Dieselbe Fähigkeit dient Verteidigern und Angreifern. Wie schnell ein gutes Modell zur Waffe wird, zeigte der KI-Fund der Burst-Statistics-Lücke.
Regulatorisch greift ab dem 2. August 2026 die Vollanwendung des EU AI Act. KI in sicherheitskritischen Prozessen kann als Hochrisiko gelten, mit Pflichten zu Risikomanagement, Dokumentation und menschlicher Aufsicht. Daraus folgen drei Aufgaben für den Mittelstand. Klassifizieren Sie zunächst Ihre Codebasen nach Sensibilität und halten Sie wirklich kritische Audits lokal. Betreiben Sie GLM 5.2 parallel dazu abgeschottet und entfernen Sie Safety-Schichten nur bewusst, nie versehentlich. Validieren Sie schließlich jedes Ergebnis auf eigenen Daten, denn Zhipu meldet selbst ein verstärktes Reward-Hacking-Verhalten des Modells.
Mehr Newshunger?
