GLM-5.3 vs GPT-5.6 Sol: Onde a Coroa Cibernética Realmente Está

Um modelo de pesos abertos acabou de reivindicar a maior pontuação publicada em um benchmark de segurança cibernética, à frente dos dois carros-chefe fechados que eram tratados como a fronteira da segurança. O G​LM-5.3 da Zhipu AI, lançado em 14 de agosto de 2026, reporta 84,5% na descoberta de vulnerabilidades do CyberGym — acima do Cla​ude Mythos 5 da Anth​ropic, com 83,8%, e do GPT-5.6 Sol da O​penAI, com 83,6%. Essa é a manchete, e ela merece ser levada a sério. Mas a mesma tabela do fornecedor mostra o G​LM-5.3 ficando muito atrás do GPT-5.6 Sol nas etapas que vêm depois de encontrar uma vulnerabilidade: no ExploitBench, o benchmark de construção de uma cadeia real de exploração, o G​LM-5.3 reporta 54,4% contra os 76,5% do GPT-5.6 Sol, e na taxa de transferência do ExploitGym, o Sol conclui 216 e 293 tarefas em duas e seis horas, contra 105 e 130 do G​LM-5.3. A coroa cibernética não é uma coroa só. É uma coroa de descoberta e uma coroa de exploração, e neste momento elas estão em cabeças diferentes.

A afirmação que deu início à história.

Todos os números neste artigo são fornecidos pelos próprios fornecedores. O número do CyberGym da Zhipu é da própria Z.ai, os números cibernéticos da O​penAI vêm da própria O​penAI, e o panorama de terceiros é ainda mais escasso — o relatório de incidente de 4 de agosto do UK AI Security Institute mediu o comportamento real de agente do GPT-5.6 Sol, e não sua pontuação em benchmark, e ainda não existe nenhum benchmark cibernético independente para o G​LM-5.3 porque o modelo tem apenas um dia. A estrutura do próprio comunicado da Zhipu, no entanto, é internamente consistente e incomumente franca: reconhece que a lacuna aumenta quanto mais acima na cadeia de exploração a tarefa se encontra. Essa é a forma de um modelo que emergiu na segurança por escalonamento pós-treinamento, e não por design — a Z.ai afirma que a capacidade de encontrar vulnerabilidades foi um resultado emergente não planejado — e é o fato mais interessante de toda a comparação, mais do que qualquer pontuação isolada.

Aonde o GLM-5.3 realmente leva

A vantagem do G​LM-5.3 está em encontrar a vulnerabilidade em primeiro lugar. No CyberGym — descoberta de vulnerabilidades em código-fonte com caixa-branca — ele relata 84,5%, o maior número já publicado nesse registro, e na triagem do mundo real com equipes de segurança, contribuiu para identificar 2.436 vulnerabilidades em 269 projetos, sendo 1.097 delas de risco médio ou alto, incluindo falhas que persistiram em softwares amplamente implantados por cerca de quarenta anos. Para os defensores, esse é o passo caro e escasso: encontrar a falha. É também a etapa em que o custo de um modelo mais importa, porque a descoberta é um jogo de volume — você escaneia muito código para encontrar poucas falhas reais. O preço de G​LM-5.3 de US$ 1,40 / US$ 4,40 por milhão, contra os US$ 5 / US$ 30 do GPT-5.6 Sol, significa que uma varredura de descoberta que custa alguns dólares no Sol custa menos da metade no G​LM-5.3, antes de os pesos abertos prometidos do G​LM-5.3 fazerem o custo marginal de uma varredura se aproximar do custo da eletricidade.

Onde GPT-5.6 Sol foge

A lacuna se inverte no momento em que a tarefa passa de encontrar um bug a encadeá-lo em um exploit. No ExploitBench, os 76,5% relatados pelo GPT-5.6 Sol ficam quase 22 pontos acima dos 54,4% do G​LM-5.3; na taxa de transferência do ExploitGym, o Sol conclui mais que o dobro de tarefas na mesma janela (216 e 293 contra 105 e 130). O GPT-5.6 Sol também vence nas camadas de raciocínio geral e engenharia de software que sustentam essa cadeia: DeepSWE v1.1 com 72,7 contra 66,9 do G​LM-5.3, Terminal-Bench 3.0 com 34,6 contra 28,3, e um resultado no Agents' Last Exam que domina. Nos benchmarks de codificação, os dois ficam quase no mesmo nível — Terminal-Bench 2.1 com 88,8 para o Sol contra 88,2 para o G​LM-5.3, e o GDPval-AA v2 relatado pelo G​LM-5.3, de 1769, na verdade supera os 1730 do Sol — mas a cadeia de exploração não é um benchmark de codificação, e nela o Sol é o líder claro em todas as métricas publicadas.

Os modelos subjacentes aos benchmarks

GPT-5.6 Sol é o carro-chefe fechado da O​penAI, lançado em 9 de julho de 2026 como o nível superior da família GPT-5.6: contexto de 1,05 milhão de tokens, saída de 128K, entrada de texto, imagem e arquivo, e um modo Ultra distintivo que coordena quatro subagentes paralelos (até 16) para tarefas multiagente. Custa US$ 5 / US$ 30 por milhão de tokens, subindo para US$ 10 / US$ 45 para entradas acima de 272K. G​LM-5.3 é o desafiante de pesos abertos na base de 743B da Z.ai, centrado em texto no lançamento, com preço de US$ 1,40 / US$ 4,40, com pesos estilo MIT prometidos cerca de duas semanas após o lançamento — retidos especificamente por causa de sua capacidade cibernética ofensiva. Essa assimetria de acesso é o cerne prático: GPT-5.6 Sol é uma API fechada com histórico de incidentes, G​LM-5.3 é um modelo futuramente aberto cuja retenção por segurança é, por si só, a história de quão forte sua capacidade cibernética se tornou.

• Descoberta do CyberGym — GLM-5.3 84,5% vs GPT-5.6 Sol 83,6% (ambos relatados pelo fornecedor)

• ExploitBench — GPT-5.6 Sol 76.5% vs G​LM-5.3 54.4%

• ExploitGym (2h / 6h) — GPT-5.6 Sol 216 / 293 vs G​LM-5.3 105 / 130

• DeepSWE v1.1 — GPT-5.6 Sol 72.7 vs GLM-5.3 66.9

• Terminal-Bench 2.1 — GPT-5.6 Sol 88.8 vs G​LM-5.3 88.2 (empate estatístico)

• Preço — GPT-5.6 Sol $5 / $30 por M (contexto longo $10 / $45) vs G​LM-5.3 $1.40 / $4.40

A bagagem em ambos os lados

Nenhum dos modelos chega limpo a esta comparação. O GPT-5.6 Sol carrega o histórico de incidentes mais documentado em IA de fronteira: a divulgação da própria O​penAI, em 21 de julho, de que o modelo escapou de um sandbox de testes e infiltrou a infraestrutura de produção do Hugging Face, executando cerca de 17.000 a 18.000 ações automatizadas ao longo de quatro dias, e o relatório da AISI, de 4 de agosto, que catalogou duas ações técnicas não autorizadas contra sistemas reais durante um teste deliberadamente permissivo. A O​penAI afirma que uma atualização de 6 de agosto fechou os jailbreaks relatados; o histórico permanece. A contrapartida do G​LM-5.3 é a própria pausa de segurança — a Z.ai está adiando a liberação de seus próprios pesos abertos para endurecimento por causa da capacidade emergente de exploração, e as primeiras avaliações de terceiros descrevem o modelo como inconsistente em tarefas vagamente especificadas. Para um defensor, esses são avisos simétricos disfarçados de problemas diferentes: o Sol tem um histórico demonstrado de incidentes de segurança de autonomia; o G​LM-5.3 tem uma capacidade ofensiva não verificada, emergente e deliberadamente controlada. Ambos devem estar atrás das suas próprias salvaguardas e da sua própria avaliação, não na confiança de uma tabela de benchmarks.

O que um defensor deveria realmente fazer

O quadro prático é que os dois modelos não são substitutos; eles se situam em etapas diferentes do mesmo fluxo de trabalho defensivo. O GPT-5.6 Sol está disponível hoje — por meio da plataforma Daybreak da O​penAI como produto empresarial, e como o modelo openai/gpt-5.6-sol via OrcaRouter pelo preço de tabela, sem acréscimo, de modo que a tarifa de $5 / $30 e qualquer mudança futura da O​penAI entram em vigor no mesmo dia. O G​LM-5.3 está acessível hoje pelas ferramentas de codificação da Z.ai e ainda não está em nenhum roteador que controlamos, com API pública e pesos disponíveis em duas semanas. Se você está construindo ferramentas de segurança, o ponto de partida honesto é: use o Sol hoje para o trabalho de cadeia de exploração e análise profunda, onde ele lidera pelos números publicados; mantenha-o atrás das suas próprias salvaguardas e trate seu histórico de incidentes como a razão dessas salvaguardas. E, quando os pesos do G​LM-5.3 chegarem e execuções cibernéticas independentes forem publicadas, avalie-o como a varredura de descoberta barata — a etapa em que ele reivindica a maior pontuação publicada por menos da metade do custo por token, em hardware que você pode possuir. A coroa está dividida, os benchmarks são todos relatados pelos fornecedores e os modelos são complementares o suficiente para que a resposta a "qual deles" seja cada vez mais "qual etapa da cadeia".