GLM-5.2 يقترب من قدرات الذكاء الاصطناعي المتطورة لكن دون ضمانات مماثلة

وجدت منظمة SaferAI غير الربحية المعنية بسلامة الذكاء الاصطناعي أن GLM-5.2، النموذج مفتوح الأوزان من شركة Z.ai الصينية، يتخلف بأشهر قليلة فقط عن GPT-5.5 من OpenAI وClaude Opus 4.7 من Anthropic في القدرات السيبرانية وقدرات البيولوجيا مزدوجة الاستخدام. لكن الفجوة في ممارسات السلامة بين GLM-5.2 ومنافسيه المتقدمين مغلقي المصدر آخذة في الاتساع. وفي تقييم SaferAI، الذي أُجري عبر واجهة برمجة التطبيقات العامة لـZ.ai، لم يرفض GLM-5.2 أياً من المهام السيبرانية الهجومية أو البيولوجية مزدوجة الاستخدام التي طُرحت عليه. في المقابل، رفض Claude Opus 4.7 بشكل ثابت لدرجة أن SaferAI لم تتمكن من إكمال الاختبار عليه إطلاقاً في المعيار نفسه، بحسب التقرير. ذلك المعيار، CyberGym، يقيّم القدرات السيبرانية، وهو ذاته الذي استخدمته OpenAI في التقييم الذي سبق اختراق Hugging Face الشهر الماضي.

تسلّط هذه النتيجة الضوء على مشكلة بنيوية في النماذج مفتوحة الأوزان: بمجرد تنزيل الأوزان، تصبح أي تدابير سلامة تطبّقها شركة ما على واجهتها البرمجية المستضافة غير قابلة للتطبيق، لأن المستخدمين يمكنهم إزالة الضمانات أو تعديلها، أو إعادة ضبط النموذج، أو تغيير موجّهات النظام الخاصة به، على أجهزتهم الخاصة. وقال Henry Papadatos، المدير التنفيذي لـSaferAI، لـTechCrunch: “حدود القدرة ليست هي حدود الخطر، لذا يجب علينا أيضاً أن نأخذ في الاعتبار حالة إجراءات التخفيف لتقييم الخطر بشكل صحيح.”

تعتمد الجهات المطورة للنماذج المتقدمة مغلقة المصدر على المصنّفات وتدريب الرفض وضوابط على مستوى واجهة البرمجة للحد من المساعدة الخطيرة في المجالين السيبراني والبيولوجي، لكن هذه الدفاعات غير كاملة أيضاً: إذ وجدت منظمة Far.ai المعنية بسلامة الذكاء الاصطناعي مئات من طرق الاختراق الشاملة (jailbreaks) في نماذج متقدمة من بينها Grok 4.5 من xAI وGemini 3.1 Pro من Google DeepMind. ويعمل أحد إجراءات التخفيف، وهو تصفية المواد السيبرانية الهجومية من بيانات التدريب، بشكل أفضل في مجال البيولوجيا منه في مجال الأمن السيبراني، لأنه من الصعب تدريب نموذج يتفوق في البرمجة -أكبر محرك تجاري للذكاء الاصطناعي- دون أن يصبح أيضاً قادراً على القرصنة. وبدلاً من ذلك، تقيّد بعض الجهات المطورة بشكل انتقائي ما يمكن لنماذجها فعله: فنموذج Opus 5 من Anthropic، على سبيل المثال، يمكنه البحث عن ثغرات في الشيفرة المصدرية غير المُجمّعة لكن ليس في البرمجيات المُجمّعة، بحسب بطاقة النظام الخاصة به، ما يجعل استخدامه لأغراض هجومية أصعب.

وفي حالة GLM-5.2، تقول SaferAI إن Z.ai لم تنشر إطار عمل للسلامة، ولا التزامات باختبارات ما قبل الإطلاق، ولا تقييماً للمخاطر الخاص بالنموذج. وسألت TechCrunch شركة Z.ai عمّا إذا كانت قد أجرت تقييمات داخلية أو خارجية لسلامة النماذج المتقدمة قبل الإطلاق، لكنها لم تتلقَّ رداً.

لماذا يهم

مع اقتراب النماذج مفتوحة الأوزان من القدرات المتطورة، يتحول النقاش من مسألة ما إذا كانت قادرة على منافسة النماذج مغلقة المصدر إلى كيفية إدارة المجتمع للمخاطر بمجرد إطلاق نموذج بهذه القدرة دون أي وسيلة لفرض الضمانات بعد ذلك.