Live TCP4D verfolgt und prognostiziert Greiferbewegungen mit einem gemeinsamen Modell
↘

Chinesische offene Modelle holen bei Cyber-Fähigkeiten auf, ein Gleichstand mit OpenAIs Spitze ist nicht belegt

Das AISI sieht den Rückstand offener Modelle auf 4 bis 7 Monate geschrumpft. Andere Tests zeigen größere Lücken, unabhängige Prüfungen der Spitzenmodelle fehlen.

· Veröffentlicht: 09.11.2026 ·4 Min Lesezeit
Chinesische offene Modelle holen bei Cyber-Fähigkeiten auf, ein Gleichstand mit OpenAIs Spitze ist nicht belegtMit KI erstellt
Inhalt
◆ Fakten auf einen Blick
  • GLM-5.2 und DeepSeek V4-Pro erreichen das Niveau geschlossener Modelle, die 4 bis 7 Monate früher erschienen.
  • Die fähigsten Modelle in AISI-Tests waren durchgehend geschlossene; führende offene lagen durchgehend zurück.
  • Im Benchflow Cyber-Index liegen GPT-6 Astra (80 %) und Claude Opus 5.5 (76 %) vorn.
  • Offene Modelle liegen laut Index 20 bis 25 Punkte hinter der Spitze zurück.
  • Werte von GPT-6 Astra und Claude Opus 5.5 stammen aus Laborevaluierungen; unabhängige Drittergebnisse fehlen.

Der Rückstand offener Modelle schrumpft, ein Gleichstand ist nicht belegt

Offene Modelle aus China holen bei Cyber-Fähigkeiten auf. Das britische AI Security Institute (AISI) stellt fest, dass GLM-5.2 und DeepSeek V4-Pro ähnlich abschneiden wie geschlossene Frontier-Modelle. Diese sind 4 bis 7 Monate früher erschienen. 2025 hatte AISI noch 6 bis 10 Monate gemessen. Der Abstand ist kleiner geworden.

Die t3n-Überschrift, chinesische Modelle erreichten das Niveau von OpenAIs Top-KI, geht in dieser Schärfe über die Befunde hinaus. In AISIs Tests lagen die fähigsten Modelle durchgehend bei den geschlossenen, die führenden offenen blieben durchgehend zurück. Ob und wie schnell sich die Lücke schließt, bezeichnet AISI selbst als offene Frage. Wired schreibt unter Verweis auf neue Forschung, offene Modelle seien inzwischen „fast so fähig“ wie die besten geschlossenen. Welche Studie gemeint ist, geht aus dem vorliegenden Ausschnitt nicht hervor. Der t3n-Originaltext lag nicht vor. Welche Studie und welches OpenAI-Vergleichsmodell dort gemeint sind, lässt sich deshalb nicht prüfen.

Zeitabstand zu älteren Modellen oder Punkteabstand zum Spitzenmodell

Der scheinbare Widerspruch zwischen den Quellen löst sich am Maßstab auf. AISI misst einen Zeitabstand. Offene Modelle entsprechen geschlossenen, die Monate älter sind. Wie weit sie hinter dem aktuell stärksten Modell zurückliegen, sagt diese Messung nicht.

Benchflow geht anders vor. Der Anbieter ordnet 168 Modelle auf einer gemeinsamen Skala ein, die 29 Offensiv-Cyber-Benchmarks verknüpft. An der Spitze stehen GPT-6 Astra mit 80 Prozent und Claude Opus 5.5 mit 76 Prozent. Die besten offenen Modelle sind Kimi K3 mit 56 Prozent, DeepSeek V4 Flash mit 53 Prozent und GLM-5.3 mit 52 Prozent. Daraus ergeben sich 20 bis 25 Punkte Abstand. Laut Benchflow stammen die Spitzenwerte aus den Evaluierungen der jeweiligen Labore. Unabhängige Drittergebnisse gibt es für beide Modelle noch nicht.

Auch OpenAIs eigene Angaben zu GPT-6 Astra sind Herstellerangaben. Das Unternehmen bezeichnet das Modell bei Cybersicherheit als „state-of-the-art“ und gibt auf ExploitBench 100 Prozent an. Unabhängig bestätigt ist das nicht.

Zur Einordnung des Referenzmodells: AISI und SEC-bench Pro nutzen GPT-5.5, Benchflow und OpenAI nennen GPT-6 Astra. Ein Gleichstand mit dem älteren Modell wäre kein Gleichstand mit dem neuesten.

Schwerer Exploit-Benchmark und ältere Tests zeigen größere Lücken

Deutlicher fällt der Abstand in SEC-bench Pro aus. Der Benchmark umfasst 344 validierte Schwachstellen in den Browser-Engines V8 und SpiderMonkey sowie im Linux-Kernel. Die Modelle sollen funktionierende Proof-of-Concept-Eingaben erzeugen. Codex mit GPT-5.5 löst 58 Prozent der Aufgaben. Das offene GLM-5 schafft 13 der 344. GLM-5 ist allerdings älter als GLM-5.2 und GLM-5.3. Der Test bildet die aktuellen offenen Modelle also nicht ab.

Älter ist auch die Bewertung von NIST/CAISI zu Kimi K2 Thinking vom November 2025. Damals war das Modell das fähigste chinesische. Bei agentischen Cyber- und Softwareaufgaben lag es hinter führenden US-Modellen, auch hinter älteren wie GPT-5 und Opus 4.

Hacktron weist in die Gegenrichtung. Das Unternehmen testete acht Modelle in der eigenen Pentest-Orchestrierung auf einer einzigen Codebasis, Fider, und zählte gefundene echte Schwachstellen. Sein Fazit: Offene Modelle liegen noch zurück, der Abstand sei aber klein und schrumpfe schnell. Hacktron bietet selbst Pentest-Dienste an. Zudem ist eine einzelne Codebasis eine schmale Grundlage.

Der Cyber-ECI von Epoch AI (76 Modelle, 35 Benchmarks, Stand 8. Oktober 2026) enthält im vorliegenden Ausschnitt kein Ergebnis zum Abstand. Für GLM-5.3 liegen dort nur CAISI-Daten vor.

Offene Gewichte lassen sich nicht zurückrufen, die Last verschiebt sich zu den Verteidigern

AISI begründet die Brisanz mit der Verfügbarkeit. Bei offenen Gewichten lassen sich Schutzmaßnahmen entfernen. Kopien können dauerhaft auf privaten Systemen ohne Überwachung laufen. Entwickler geschlossener Modelle können Missbrauch erkennen, Zugriffe steuern und Modelle zurückziehen. Mit der Veröffentlichung eines offenen Modells gehen diese Optionen dauerhaft verloren.

Für Unternehmen und Verteidiger folgt daraus: Wenn offene Modelle den geschlossenen mit einigen Monaten Verzögerung folgen, steht eine entsprechend fähige Angriffs-KI künftig ohne Zugriffskontrolle bereit. Für Regulierer und Behörden wie AISI und CAISI heißt das, dass Auflagen beim Anbieter bei offenen Modellen nicht greifen.

Benchflow verweist auf die Einstufung von GLM-5.3 als cyberfähigstes offenes Modell durch NIST/CAISI im September. Laut Benchflow hat OpenAI GPT-6 Astra in der Cybersicherheit als „Critical“ eingestuft, als erstes Modell des Unternehmens auf dieser Stufe.

Für Pentester ist die Frage praktisch. Hacktron erwägt offene Modelle, um die Abhängigkeit von Frontier-Modellen zu verringern. Deren Schutzmechanismen können Sicherheitsarbeit blockieren.

Was bis zu unabhängigen Tests offen bleibt

Ungeprüft sind vor allem die Spitzenwerte. Für GPT-6 Astra und Claude Opus 5.5 fehlen unabhängige Tests. Die von Wired zitierte Studie ist nicht identifiziert. Mistrals Behauptung, sein Modell „Le Chonk“ erreiche oder übertreffe die besten Modelle von DeepSeek und Z.ai, ist nur als Wired-Teaser belegt. Sie betrifft zudem kein chinesisches Modell. Offen bleibt, wie sich die Lücke entwickelt, wie AISI selbst einräumt. Klären könnten das Evaluierungen von AISI und CAISI sowie ein Benchflow-Update mit Drittergebnissen.

A
Andreas Rüdiger
Herausgeber & Redaktionsleitung · KI-Modelle, Technik & Business

Andreas Rüdiger ist Gründer der Agentur INREMA und verantwortet KI Spotlight redaktionell. Sein Schwerpunkt liegt auf KI-Modellen, Recheninfrastruktur, technischen Entwicklungen und der wirtschaftlichen Einordnung. Er sorgt dafür, dass komplexe KI-Themen verständlich und nachvollziehbar aufbereitet werden. Mehr zu ihm auf inrema.de und andiger.de.

Quellen

  1. aisi.gov.uk ↗

Ähnliche Artikel