29. June 2026
Det kinesiske AI-selskapet Zhipu AI (Z.ai) har nylig lansert sin nyeste modell med åpne vekter, GLM-5.2. Flere uavhengige sikkerhetsforskere melder nå at denne modellen presterer på linje med den amerikanske markedslederen Mythos når det gjelder å avdekke kritiske programvarefeil og analysere intrikate sikkerhetssårbarheter. Selv om GLM-5.2 fortsatt ligger merkbart bak de nyeste modellene fra OpenAI og Anthropic på mer generelle og kreative oppgaver, markerer dette et solid jordskjelv på den sikkerhetstekniske arenaen.
Bakgrunnen for oppstussene er at modellen leveres som en såkalt "open-weight"-modell. Det betyr at virksomheter kan laste den ned, finjustere den og kjøre den lokalt på egne servere uten å sende sensitive data ut av huset. Mens amerikanske teknologigiganter i stor grad låser sine kraftigste verktøy bak lukkede skyløsninger, velger kinesiske aktører stadig oftere å dele modellene mer åpent for å vinne markedsandeler og drive global adopsjon.
For IT-sikkerhetsavdelinger og selskaper som utvikler egen programvare, representerer dette en gyllen mulighet til å automatisere kodesikkerhet på en langt rimeligere og mer personvernvennlig måte enn før. Det betyr imidlertid også at sofistikerte verktøy for å finne såkalte "zero-day"-sårbarheter nå er fritt tilgjengelige for hvem som helst. Selskaper som drifter samfunnskritisk infrastruktur eller håndterer sensitive kundedata, må derfor forberede seg på en bølge av mer automatiserte og målrettede cyberangrep, og bør vurdere å oppgradere sitt eget forsvar til å bli tilsvarende AI-drevet.
Kilde: The Verge AI
En professor ved det prestisjetunge amerikanske Ivy League-universitetet Brown har slått alarm etter å ha avdekket omfattende og systematisk AI-juks under en nylig avholdt eksamen. Hendelsen har utløst en opphetet debatt om akademisk integritet, spesielt fordi studentene lyktes med å omgå universitetets tradisjonelle kontrollmekanismer og AI-detektorer ved hjelp av avanserte teknikker for omformulering og prompt-engineering.
Konteksten er den pågående "katten og musen"-leken mellom studenter som bruker AI til å generere feilfrie besvarelser, og utdanningsinstitusjoner som feilaktig har stolt på at automatiserte deteksjonsverktøy kan avsløre dem. Sannheten er at dagens AI-detektorer er notorisk upålitelige, og studentene ligger hele tiden et hestehode foran i bruken av sofistikerte språkmodeller.
Dette er ikke bare en hodepine for akademia; problemet slår rett inn i rekrutteringskontorene. For HR-ledere og rekrutteringsteam betyr denne utviklingen at tradisjonelle hjemmetester, skriftlige søknader og innsendte kodeoppgaver i praksis har mistet sin verdi som seleksjonsverktøy. Hvis studenter ved eliteuniversiteter enkelt kan automatisere seg til toppkarakterer, vil jobbsøkere gjøre det samme med rekrutteringsprosesser. Selskaper som ønsker å sikre seg reell kompetanse, må derfor dreie vurderingene over mot sanntids problemløsning, fysiske eller videoovervåkede case-løsninger, og i større grad teste kandidatenes evne til å samarbeide med AI-verktøy fremfor å prøve å forby dem.
Kilde: El País / Hacker News