Z.ai's AI-model vindt beveiligingslekken — en dat is tweesnijdend

TL;DR

• Wat: Het Chinese AI-lab Z.ai heeft GLM-5.3 uitgebracht, een model dat beter scoort op het vinden van softwarelekken dan modellen van OpenAI en Anthropic — en stelt de release van de open modelgewichten twee weken uit vanwege die cybercapaciteiten.
• Waarom relevant: Als ondernemer draai je op software die kwetsbaarheden kan bevatten; dezelfde AI die jou kan helpen beschermen, kan ook worden ingezet om je aan te vallen.
• Wat je ermee kunt: Check met je IT-partner of jullie softwarestack al wordt gescand op bekende kwetsbaarheden — en bespreek of AI-gestuurde scanning onderdeel moet worden van jullie beveiligingsbeleid.

Afgelopen week bracht het Chinese AI-lab Z.ai zijn nieuwste model uit: GLM-5.3. Wat mij opviel aan het bericht van Wired is niet zozeer de release zelf, maar het feit dat Z.ai de modelgewichten bewust twee weken achterhoudt — omdat de cybersecurity-capaciteiten sterker bleken dan verwacht. Dat vond ik het uitzoeken waard.

Wat GLM-5.3 precies doet

GLM-5.3 is gebouwd op dezelfde architectuur als zijn voorganger GLM-5.2: een zogeheten Mixture-of-Experts-model met 743 miljard parameters. Dat klinkt abstract, dus laat ik het simpel houden: het model is niet fundamenteel herschreven, maar het is beter getraind. De verbeteringen komen uit wat in de AI-wereld "post-training" heet — extra oefenrondes op specifieke taken.

Een van die taken is coderen. GLM-5.3 scoort het hoogst van alle open-weight modellen op Terminal Bench 3.0, een test die meet hoe goed een AI overweg kan met command-line scripting. Maar de kop van het verhaal zit elders.

De cybersecurity-hoek

Op CyberGym, een benchmark die meet hoe goed een model bekende beveiligingslekken kan opsporen, scoorde GLM-5.3 84,5%. Ter vergelijking: Anthropic's Fable 5 kwam uit op 83,8% en OpenAI's GPT-5.6 Sol op 83,6%. Kleine marges, maar het feit dat een open-weight model hier bovenaan staat is opvallend.

Nog concreter: tijdens interne tests vond GLM-5.3 2.436 kwetsbaarheden verspreid over 269 open-sourceprojecten. Daarvan werden er 1.097 als "kritiek" of "hoog risico" beoordeeld. Dat is geen theoretisch vermogen — dat zijn echte bugs in echte software.

Waarom Z.ai op de rem trapt

Hier wordt het interessant. Z.ai staat bekend om snelheid: het bedrijf brengt doorgaans zo snel mogelijk open-weight modellen uit — dat is hun verdienmodel. Maar bij GLM-5.3 doen ze iets ongewoons: ze stellen de release van de modelgewichten ongeveer twee weken uit, tot rond 28 augustus, om eerst extra veiligheidstests en verhardingsmaatregelen af te ronden.

Dat klinkt verantwoord, maar er is ook een kritische kanttekening. Analist Trace Cohen merkt op dat "de vertraging meer over beeldvorming ging dan over risico", omdat de API-versie van het model al beschikbaar is voor betalende gebruikers. Met andere woorden: wie het wil gebruiken, kan er al bij. De gewichten achterhouden vertraagt alleen de mogelijkheid om het model lokaal te draaien en aan te passen.

Ik vind dit een eerlijk punt. Het roept de vraag op of de pauze werkelijk bescherming biedt, of vooral laat zien dat het bedrijf de zorgen serieus lijkt te nemen. Tegelijkertijd — en dat vind ik belangrijk — is het de eerste keer dat Z.ai überhaupt op de rem trapt. Dat signaal op zich zegt iets over hoe sterk de cybercapaciteiten zijn uitgevallen.

Het dubbelzijdige verhaal van open-weight modellen

Open-weight modellen zijn modellen waarvan de "gewichten" — zeg maar de kennis en het geleerde gedrag — publiek beschikbaar worden gemaakt. Iedereen kan ze downloaden, draaien en aanpassen. Dat is enorm waardevol voor startups, universiteiten en kleinere bedrijven die geen miljoenen hebben voor eigen AI-ontwikkeling.

Maar diezelfde openheid maakt het mogelijk om een model te finetunen voor kwaadaardige doelen. Een model dat kwetsbaarheden kan vinden, kan in aangepaste vorm ook helpen om ze te misbruiken. De grens tussen legitiem beveiligingsonderzoek (zogenaamd "red teaming") en het bouwen van aanvalstools is flinterdun.

Dit is geen hypothetisch probleem. Uit een rapport van ABN AMRO over cybertrends in 2026 blijkt dat vooral kleinere bedrijven onvoldoende voorbereid zijn op een nieuwe generatie digitale risico's. AI versnelt aanvallen en verkort de beschikbare reactietijd.

Wat betekent dit voor je als ondernemer?

Laat ik eerlijk zijn: de meeste MKB-ondernemers gaan niet zelf met GLM-5.3 aan de slag. Maar de gevolgen ervan zijn wél relevant.

De aanvalskant verandert

Generatieve AI maakt het al makkelijker om phishingmails in foutloos Nederlands te schrijven. Met modellen die actief kwetsbaarheden opsporen, wordt de drempel voor gerichte aanvallen op bedrijfssoftware lager. Stel dat je als ondernemer een webshop draait op een open-sourceplatform — dan is het niet ondenkbaar dat een AI-model de bekende lekken in jouw versie sneller vindt dan jij ze patcht.

De verdedigingskant ook

Tegelijkertijd biedt dezelfde technologie kansen. Beveiligingsbedrijven kunnen dit soort modellen inzetten om jouw systemen proactief te scannen. Het aantal kwetsbaarheden dat GLM-5.3 in interne tests vond — meer dan 2.400 — laat zien hoe krachtig geautomatiseerde scanning kan zijn. De vraag is of jouw IT-dienstverlener dit soort tooling al inzet, of dat je nog leunt op handmatige controles.

Een concreet aandachtspunt

Beveiligingsbedrijf Veracode analyseerde AI-gegenereerde code en vond in 45% van de gevallen beveiligingsfouten — gemiddeld 2,74 keer zoveel kwetsbaarheden als door mensen geschreven code. Als je team of leverancier steeds meer AI-gegenereerde code gebruikt, is dat iets om in je achterhoofd te houden. Snelheid in ontwikkeling is mooi, maar niet als het ten koste gaat van beveiliging.

De bredere context: wie bewaakt de bewaker?

Wat mij bij dit verhaal bezighoudt, is een patroon dat ik vaker zie. AI-labs bouwen steeds krachtigere modellen en publiceren ze — soms met een korte pauze, soms zonder. De veiligheidsevaluaties worden door de labs zelf gedaan. Er is geen onafhankelijke instantie die zegt: "Dit model mag pas vrij als het aan X en Y voldoet."

In Europa wordt daar met de AI Act aan gewerkt, maar de praktijk loopt ver achter op de technologie. Z.ai is een Chinees bedrijf dat onder Chinese regelgeving valt — maar zodra de modelgewichten online staan, zijn ze overal ter wereld beschikbaar.

Ik denk dat dit het echte gesprek is dat we als ondernemers moeten volgen. Niet zozeer "kan mijn bedrijf dit model gebruiken", maar "wie beslist wat er vrijgegeven wordt, en zijn mijn systemen bestand tegen wat er nu al in omloop is?"

Een signaal, geen paniekknop

Voor mij is dit vooral een signaal dat de cyberkant van AI snel volwassen wordt — zowel in de aanval als in de verdediging. Het feit dat een open-weight model nu beter scoort op kwetsbaarheidsdetectie dan de duurste gesloten modellen, zegt iets over hoe toegankelijk deze capaciteiten worden. Dat is niet per definitie slecht, maar het vraagt wel dat je als ondernemer je beveiliging niet als iets statisch beschouwt. De tools aan beide kanten worden beter. De vraag is aan welke kant jij het snelst meegaat.