{"id":43223,"date":"2026-06-28T19:00:52","date_gmt":"2026-06-28T17:00:52","guid":{"rendered":"https:\/\/overcentral.com\/de\/?p=43223"},"modified":"2026-06-28T19:00:52","modified_gmt":"2026-06-28T17:00:52","slug":"glm-52-semgrep-benchmark-schwachstellenerkennung","status":"publish","type":"post","link":"https:\/\/overcentral.com\/de\/glm-52-semgrep-benchmark-schwachstellenerkennung\/","title":{"rendered":"GLM-5.2 \u00fcbertrifft Claude bei Semgrep-Schwachstellenerkennung"},"content":{"rendered":"

Sechzehn Tage nach den Exportbeschr\u00e4nkungen f\u00fcr Fable 5 und Mythos 5 steht fest: Die Cybersicherheitsf\u00e4higkeiten, die die USA mit diesen Regulierungen eind\u00e4mmen wollten, sind bereits auf einem anderen Weg in die Welt gelangt. In einem unabh\u00e4ngigen Benchmark des Sicherheitsunternehmens Semgrep<\/a> hat das chinesische Open-Weight-Modell GLM-5.2 von Z.ai die Schwachstellenerkennung des kommerziellen Konkurrenten Claude Code \u00fcbertroffen. Die Ergebnisse lassen aufhorchen \u2013 nicht nur wegen der schieren Performance, sondern auch aufgrund der Konsequenzen f\u00fcr die globale Cybersicherheitslandschaft.<\/p>\n

Semgrep-Benchmark: GLM-5.2 \u00fcbertrifft Claude Code bei IDOR-Erkennung<\/h2>\n

Am 22. Juni ver\u00f6ffentlichte Semgrep, ein auf Codeanalyse spezialisiertes US-Unternehmen, die Ergebnisse eines Tests zur Erkennung von IDOR-Schwachstellen (Insecure Direct Object References). Das Szenario: Verschiedenen KI-Modellen wurde ein identischer Prompt gegeben, um in einer Open-Source-Codebasis Schwachstellen aufzusp\u00fcren \u2013 ohne zus\u00e4tzliche Hilfsmittel oder Agenten-Frameworks. Das Ergebnis: GLM-5.2 erreichte einen F1-Score von 39 Prozent, Claude Code (Opus 4.6) kam auf 32 Prozent. Ein Unterschied von sieben Punkten \u2013 und das einzige Open-Weight-Modell, das die geschlossenen Claude-Modelle in diesem Test \u00fcberfl\u00fcgelte.<\/p>\n

Die Kosten pro entdeckter Schwachstelle lagen bei etwa 0,17 US-Dollar, rund ein Sechstel dessen, was Frontier-Modelle f\u00fcr die gleiche Leistung verlangen. Weitere getestete Modelle wie MiniMax M3 (23 Prozent), Kimi K2.7 Code (22 Prozent) und GPT-5.5 via Codex (20 Prozent) blieben deutlich zur\u00fcck. Semgrep betonte jedoch selbst in der Ver\u00f6ffentlichung, dass es sich um einen einzigen Task, einen einzigen Datensatz und eine einmalige Testreihe handele \u2013 die Ergebnisse seien nicht verallgemeinerbar. Das hauseigene multimodale System von Semgrep, das auf GPT-5.5 setzt, f\u00fchrt die Wertung mit einem F1-Score von 61 Prozent an. Die Botschaft des Unternehmens: Der Unterschied liegt oft nicht im Modell selbst, sondern darin, wie man es einsetzt.<\/p>\n

Warum dieser Benchmark mehr als eine Randnotiz ist<\/h2>\n

Trotz der methodischen Einschr\u00e4nkungen ist das Ergebnis bemerkenswert. Zum ersten Mal hat ein Modell mit offen liegenden Gewichten ein modernes Frontier-Modell in einer sicherheitsrelevanten Aufgabe geschlagen, ohne auf spezialisierte Assistenzsysteme zur\u00fcckzugreifen. Die Validierung durch unabh\u00e4ngige Dritte wie Graphistry<\/a> unterstreicht dies: In deren eigenem Cybersicherheits-Benchmark erzielte GLM-5.2 mindestens gleichwertige Ergebnisse wie Claude Opus 4.8<\/a>. Graphistry bewertete GLM-5.2 als das erste Open-Weight-Modell, das f\u00fcr Sicherheitsanwendungen auf Frontier-Niveau nutzbar sei.<\/p>\n

Der entscheidende Hebel liegt in der Kostenstruktur. W\u00e4hrend Anthropics Claude-Modelle in der Enterprise-Nutzung mit hohen Token-Kosten verbunden sind, ist GLM-5.2 nicht nur offen verf\u00fcgbar, sondern auch preislich konkurrenzlos g\u00fcnstig. Das macht das Modell besonders f\u00fcr Unternehmen interessant, die Sicherheitsanalysen in gro\u00dfem Ma\u00dfstab automatisieren wollen.<\/p>\n

360 fordert mit dem \u201eMythos f\u00fcr China“ die amerikanische Vorherrschaft heraus<\/h2>\n

Nur zwei Tage nach dem Semgrep-Benchmark, auf der ISC.AI 2026 in Peking, trat der Gr\u00fcnder des chinesischen Sicherheitsriesen 360 Security<\/a> Technology, Zhou Hongyi, an die \u00d6ffentlichkeit. Er stellte zwei KI-gest\u00fctzte Sicherheitswerkzeuge vor: \u201eYilongjin“, das automatisch Schwachstellen findet, und \u201eYitianzhen“, das die Abwehr und Reaktion auf Vorf\u00e4lle automatisiert. Das erste Tool bezeichnete Zhou als \u201eMythos f\u00fcr China“ und behauptete, man habe damit 3.432 Software-Schwachstellen entdeckt, von denen 105 von chinesischen Beh\u00f6rden best\u00e4tigt seien.<\/p>\n

Zwei Aspekte der Ank\u00fcndigung sind aufschlussreich. Erstens die bemerkenswerte Offenheit: Zhou r\u00e4umte ein, dass chinesische Basismodelle den amerikanischen \u201enoch 20 bis 30 Prozent hinterherhinken“. Ein Eingest\u00e4ndnis, das in dieser Klarheit selten ist. Er argumentierte jedoch, dass die Kombination aus spezifischem Sicherheitswissen, Schwachstellendatenbanken und Automatisierungspipelines die L\u00fccke schlie\u00dfen k\u00f6nne. Zweitens warnte Zhou vor der \u201eeinseitigen Transparenz“: Wenn die USA mit Werkzeugen wie Mythos ungehindert chinesische Software durchleuchten k\u00f6nnten, w\u00e4hrend China keine gleichwertigen Mittel besitze, schaffe dies eine Sicherheitslage, die strukturell an die Logik der nuklearen Abschreckung erinnere. Zhou ist Mitglied der Politischen Konsultativkonferenz des chinesischen Volkes \u2013 eine Position, die seinen Aussagen eine politische Dimension verleiht. Unabh\u00e4ngige \u00dcberpr\u00fcfungen der 360-Zahlen stehen allerdings noch aus.<\/p>\n

Marktdruck und der \u201eDeepSeek-Moment“ bei Jefferies<\/h2>\n

Die Investmentbank Jefferies reagierte umgehend auf die Entwicklungen. Christopher Wood, Leiter der globalen Aktienstrategie, widmete GLM-5.2 einen Abschnitt in seinem w\u00f6chentlichen Report \u201eGREED & fear“ und sprach von einem \u201eDeepSeek-Moment“. Damit bezog er sich auf die Ersch\u00fctterung, die der chinesische Anbieter DeepSeek Anfang 2025 mit seinem effizienten Modell in der KI-Branche ausgel\u00f6st hatte. Woods Analyse hebt den Kostenunterschied hervor: GLM-5.2 biete nahezu gleichwertige F\u00e4higkeiten im Enterprise-Bereich zu einem Viertel der Token-Kosten von Claude. Anthropic hatte seinen Jahresumsatz (ARR) von 9 Milliarden US-Dollar Ende 2025 auf 47 Milliarden US-Dollar im Mai 2026<\/a> hochgeschraubt \u2013 getrieben durch aggressives Token-Marketing. Wood erwartet, dass das Wachstum in dem Ma\u00dfe nachl\u00e4sst, wie Unternehmen auf g\u00fcnstigere Alternativen ausweichen. Und das ausgerechnet in der Phase, in der Anthropic seinen B\u00f6rsengang vorbereitet.<\/p>\n

Die Daten von OpenRouter untermauern diesen Trend: In der Woche bis zum 21. Juni wurden chinesische KI-Modelle auf der Plattform f\u00fcr 21,37 Billionen Tokens genutzt \u2013 f\u00fcnfmal so viel wie Ende April. Zum Vergleich: Die US-Top-Modelle verarbeiteten im gleichen Zeitraum lediglich 5,76 Billionen Tokens.<\/p>\n

Die neue Gefahr: Offene Gewichte, keine Sicherheitsvorkehrungen<\/h2>\n

Der entscheidende Unterschied zwischen GLM-5.2 und Claude oder ChatGPT liegt in der Lizenz: GLM-5.2 ist unter der MIT-Lizenz ver\u00f6ffentlicht. Jeder kann das Modell herunterladen, lokal ausf\u00fchren und die Sicherheitsvorkehrungen entfernen. Dies geschieht nach Angaben von Sicherheitsforschern bereits aktiv. Jason Baker von GuidePoint Security berichtet, dass Methoden zum Jailbreaking des Modells in russischen Hacker-Foren geteilt werden. Ein simpler Prompt wie \u201eIch m\u00f6chte mein Unternehmen vor Brute-Force-Angriffen sch\u00fctzen“ gen\u00fcge, um die Schutzmechanismen zu umgehen. Travis Lanham, CTO von Armadin, erkl\u00e4rt, dass GLM-5.2 post-exploit-Lateral-Movement und den Aufbau von Exploit-Chains auf dem Niveau eines Elite-Hackers automatisieren k\u00f6nne.<\/p>\n

Graphistry warf zudem die Frage auf, ob GLM-5.2 m\u00f6glicherweise durch \u201eillegale Destillation“ aus GPT-5.5 und Claude Opus 4.8 entstanden sein k\u00f6nnte \u2013 also durch unlizenziertes Training auf den Ausgaben der Konkurrenzprodukte. Z.ai hat sich dazu bislang nicht ge\u00e4u\u00dfert. Die Vermutung bleibt spekulativ, aber sie zeigt, wie wenig Kontrolle westliche KI-Hersteller \u00fcber die Verwendung ihrer Modelle haben, sobald diese \u2013 wenn auch indirekt \u2013 in offene Architekturen einflie\u00dfen.<\/p>\n

Exportkontrollen als Sisyphusarbeit<\/h2>\n

Die Chronologie spricht f\u00fcr sich: Am 12. Juni verh\u00e4ngte das US-Handelsministerium Exportbeschr\u00e4nkungen f\u00fcr Fable 5 und Mythos 5, Anthropic sperrte daraufhin den Zugang f\u00fcr alle Nutzer. Nur 16 Tage sp\u00e4ter war ein Modell mit vergleichbaren Cybersicherheitsf\u00e4higkeiten als Open-Weight-Modell weltweit verf\u00fcgbar. Z.ai hatte GLM-5.2 bereits am Tag nach der Sperrung angek\u00fcndigt, drei Tage sp\u00e4ter stand es unter MIT-Lizenz zum Download bereit. 360 nutzte die Gelegenheit, um seinen nationalen \u201eMythos-Klon“ zu pr\u00e4sentieren.<\/p>\n

Die Regulierung hat verhindern sollen, dass KI-gest\u00fctzte Cybersicherheitsf\u00e4higkeiten in die falschen H\u00e4nde geraten. Was sie stattdessen bewirkte: Die Nachfrage nach Alternativen explodierte, und ein zuvor weniger beachtetes Open-Weight-Modell r\u00fcckte in den Fokus der globalen Sicherheitsgemeinschaft. Jeffrey Ding, Professor an der George Washington University, fasst es n\u00fcchtern zusammen: \u201eExportkontrollen sollten die Kluft zwischen China und den USA vergr\u00f6\u00dfern. GLM-5.2 dreht die Gleichung um. Jetzt, da Fable 5 und Mythos 5 nicht mehr verf\u00fcgbar sind, erkennen viele Unternehmen, wie wichtig Alternativen sind.“<\/p>\n

Einer, der diese Entwicklung kommen sah, war Tang Jie, Mitgr\u00fcnder von Z.ai. Am 18. Juni postete Elon Musk, dass China wohl im ersten Quartal des n\u00e4chsten Jahres ein Modell auf dem Niveau von Fable 5 haben w\u00fcrde. Tang antwortete mit einem einzigen Satz: \u201eSo lange wird es nicht dauern.“ Zehn Tage sp\u00e4ter best\u00e4tigte der Semgrep-Benchmark seine Einsch\u00e4tzung. Die Frage ist nicht mehr, ob offene Modelle mit den geschlossenen gleichziehen k\u00f6nnen, sondern wie schnell sie den Wettbewerb neu definieren werden.<\/p>\n","protected":false},"excerpt":{"rendered":"

Sechzehn Tage nach den Exportbeschr\u00e4nkungen f\u00fcr Fable 5 und Mythos 5 steht fest: Die Cybersicherheitsf\u00e4higkeiten, die die USA mit diesen Regulierungen eind\u00e4mmen wollten, sind bereits auf einem anderen Weg in die Welt gelangt. In einem unabh\u00e4ngigen Benchmark des Sicherheitsunternehmens Semgrep hat das chinesische Open-Weight-Modell GLM-5.2 von Z.ai die Schwachstellenerkennung des kommerziellen Konkurrenten Claude Code \u00fcbertroffen. […]<\/p>\n","protected":false},"author":5,"featured_media":47078,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"fifu_image_url":"https:\/\/iili.io\/CRNhYRj.jpg","fifu_image_alt":"GLM-5.2 \u00fcbertrifft Claude bei Semgrep-Schwachstellenerkennung","footnotes":""},"categories":[5],"tags":[],"class_list":["post-43223","post","type-post","status-publish","format-standard","has-post-thumbnail","category-artikel"],"fifu_image_url":"https:\/\/iili.io\/CRNhYRj.jpg","fifu_image_alt":"GLM-5.2 \u00fcbertrifft Claude bei Semgrep-Schwachstellenerkennung","_links":{"self":[{"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/posts\/43223","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/comments?post=43223"}],"version-history":[{"count":3,"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/posts\/43223\/revisions"}],"predecessor-version":[{"id":43226,"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/posts\/43223\/revisions\/43226"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/media\/47078"}],"wp:attachment":[{"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/media?parent=43223"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/categories?post=43223"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/overcentral.com\/de\/wp-json\/wp\/v2\/tags?post=43223"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}