La cybersecurity sta vivendo una svolta con l'emergere di modelli AI cinesi che si avvicinano sempre più alle prestazioni dei modelli statunitensi. Tra gli esempi spiccano GLM-5.2 di Z.ai e Tulongfeng di 360 Security Technology. Questi strumenti dimostrano come il divario tecnologico tra Cina e Stati Uniti si stia riducendo in modi inaspettati, mettendo in discussione la leadership americana nel settore.

I Modelli AI e la Scoperta delle Vulnerabilità

I modelli moderni di AI sono strumenti fondamentali per la scoperta, la verifica e la mitigazione di vulnerabilità software. GLM-5.2 e Tulongfeng sono progettati per operare in questo ambito, permettendo l'analisi automatizzata e avanzata di codice sorgente e basi di dati complesse. La capacità di identificare e analizzare le catene di attacco e ridurre i tempi tra individuazione e correzione di un bug rappresenta un vantaggio critico nel mondo della cybersecurity.

GLM-5.2: Un Modello Aperto con Potenziale Applicativo

GLM-5.2, sviluppato da Z.ai (inizialmente conosciuta come Zhipu AI), è un modello open-weight che supporta attività di coding e workflow agentici lunghi. La sua versione ufficiale, resa disponibile su Hugging Face da Z.ai, presenta 744 miliardi di parametri complessivi, 40 miliardi attivi, supporta un contesto fino a un milione di token e dispone di una licenza MIT per i pesi. Pur non essendo open source da piena accessibilità del dataset o pipeline di addestramento, rimane uno strumento potente per l'industria.

La sua natura open-weight rende GLM-5.2 adatto ad essere eseguito su infrastructures interne, offrendo vantaggi in termini di sicurezza. L’accesso diretto al codice permette ad aziende, ricercatori e sviluppatori di testarlo e adattarlo alle loro esigenze specifiche. Tuttavia, il lato oscurato di questa flessibilità è che lo stesso modello potrebbe essere utilizzato da malintenzionati per scopi offensivi, a causa della scarsa tracciabilità.

Tulongfeng e l'Architettura AI Cinese

Nel frattempo, 360 Security Technology ha presentato il sistema Tulongfeng, mirata a rispondere in modo competitivo all’AI statunitense per la ricerca di vulnerabilità. Presentato come parte dei lavori della conferenza ISC.AI 2026 di Pechino, Tulongfeng si fonda su una logica diversa rispetto alla concorrenza. Non è solo un grande modello linguistico, ma un sistema di agenti per la scoperta delle vulnerabilità.

Insieme a Tulongfeng, 360 ha lanciato Yitianzhen, una componente focalizzata sulla difesa automatizzata e sulla gestione degli incidenti. Secondo la stessa società, Tulongfeng è riuscito a individuare 3.432 vulnerabilità, di cui 105 confermate formamente da autorità cinesi. Questi numeri, pur non sempre verificabili da soggetti esterni, indicano una chiara strategia cinese: integrare modelli AI con strumenti dedicati, procedure di prova e analisi dati robusta.

La Strategia Cinese e l'Evoluzione Tecnica

La visione di 360 non punta su un singolo modello, ma sull’organizzazione di un ecosistema. Questo sistema include non solo modelli di AI, ma anche strumenti, basi di conoscenza, sandbox interne e flussi operativi di testing. Per scoprire bug nel mondo reale, infatti, sono necessari diversi passaggi: analisi codice, ricostruzione di flussi di dati, creazione di ipotesi di attacco, generazione di test case e verifiche in ambiente isolato.

Questa architettura mira a garantire non solo precisione, ma anche operatività. Il valore del modello non sta semplicemente nel ragionamento, ma piuttosto nella sua integrazione con strumenti e procedure di test verificabili. La strada scelta dalla Cina dimostra quindi una visione più olistica del problema rispetto a modelli isolati di grandi dimensioni.

Gli Stati Uniti e la Contentione AI

L’approccio Usa alla gestione dei modelli AI di frontiera è incentrato sulla protezione nazionale. Anthropic ha sospeso l’accesso alla sua serie Claude Fable 5 e Claude Mythos 5 in seguito a una richiesta del governo, e OpenAI ha introdotto una preview restretta per la sua famiglia GPT-5.6. Il governo Usa ha inoltre varato un ordine esecutivo del 2 giugno 2026 per costruire un framework volontario tra sviluppatori di AI e istituzioni, con attenzione alla cybersecurity e alla protezione di infrastrutture critiche.

La preoccupazione americana è reale: modelli capaci di scoprire bug possono essere utilizzati sia in difesa che in offesa. Tuttavia, il conseguente blocco dell’accesso e la protezione a scaglioni possono indebolire la difesa Usa e mondiale, in termini di accesso a nuovi strumenti potenti per la ricerca avanzata.

Implicazioni per l'Europa

Per l'Europa, il problema non è scegliere tra Usa e Cina, ma costruire una capacità interna in grado di valutare, gestire e utilizzare con sicurezza l’AI per la cybersecurity. Il rapporto ENISA Threat Landscape 2025 mostra che l’exploit di vulnerabilità rappresenta il 21,3% degli accessi iniziali, con campagne di cyberattacco rapide e mirate. Il pubblico è inoltre vulnerabile, con il 38% degli incidenti registrati in questo settore.

I nuovi modelli AI richiedono un ripensamento completo del vulnerability management. Non basta aggiungere un modello di AI: servono procedure operative rigorose, test autonomi, tracciabilità delle analisi e validazione umana. Integrate correttamente, queste tecnologie possono ridurre i tempi di individuazione di un bug, aumentare la copertura e ridurre i rischi.

Ora si richiede:

Isolamento di ambienti di analisi e utilizzo;

Tracciabilità e controllo dei dati forniti in input;

Criteri di gestione e verifica dei falsi positivi;

Compatibilità con software bill of materials;

Procedura automatizzata e manuale di patching.

Conversazione a Due Velocità

La velocità con cui la Cina si avvicina al fronte Usa non significa che l’abbia superata. Tuttavia, sta chiaramente colmando il gap in termini di accessibilità, costi e capacità operativa. Questo ha implicazioni strategiche globali, specialmente in termini di difesa, sviluppo e innovazione.

Gli Usa continueranno a dominare in molte capacità generaliste e specialistiche, ma il vantaggio competitivo si sta assottigliando in aree cruciali come coding, agenti AI e costi di accesso. In un mondo dove la protezione e la scoperta di vulnerabilità sono cruciali, anche un vantaggio parziale può contare.