Glasswing: 38.000 Funde, wie viele zählen?

Sieben Monate nach dem Start von Project Glasswing hat der Sicherheitsanbieter VulnCheck Bilanz gezogen. Die Überschrift ist deutlich: Glasswing überfordere Maintainer mit wenig ergiebigen Funden. Wir haben die Zahlen gegen Anthropics eigenes Dashboard gelegt. Ein Teil der Kritik trägt, ein Teil beruht auf einer Lesart, die Anthropics Zahlen nicht hergeben.

Zur Einordnung: Glasswing hat Anthropic am 07.04.2026 gestartet. Partner aus Industrie und Open Source bekommen Zugang zum Mythos-Modell, um Schwachstellen in kritischer Software zu finden. Anthropic meldet einen Teil der Funde selbst an Open-Source-Projekte und führt dafür ein öffentliches Ledger. Nur dieser Open-Source-Teil ist von außen messbar. Was Partner wie Microsoft oder Cisco in ihrer eigenen Software finden und still patchen, taucht dort nicht auf.

Was VulnCheck zählt

VulnCheck verfolgt in einem offenen Repo, welche CVEs Anthropic als Finder nennen. Stand 09.11.2026 sind es 442, etwa 0,5 Prozent aller CVEs dieses Jahres. Zwei davon wurden laut VulnCheck in freier Wildbahn ausgenutzt.

Aus dem Ledger mit Stand 02.11.2026 zitiert VulnCheck 37.966 Funde, davon 217 als behoben markiert, 419 zurückgezogen und 1.654 Duplikate. Seit Anfang September seien knapp 12.000 Funde dazugekommen, aber nur 15 als behoben. Dazu die True-Positive-Rate von 94,2 Prozent, die VulnCheck für zu schön hält, weil Duplikate und Rückzüge darin nicht abgezogen würden.

Der Abgleich mit Anthropics Dashboard

Die Einzelzahlen stimmen. Wie VulnCheck sie liest, ist eine andere Frage:

Zwei Punkte fallen auf. Erstens zählt Anthropic 629 Funde, für die Maintainer inzwischen einen Fix veröffentlicht haben, egal ob sie auf den Bericht geantwortet haben. VulnCheck rechnet mit den 217 aus dem Ledger-Status und kommt so auf eine schlechtere Quote. Zweitens bezieht sich die True-Positive-Rate nur auf die rund 6.400 Funde, die externe Sicherheitsfirmen geprüft haben. Das sind etwa 17 Prozent aller Funde. Über den Rest sagt die Quote nichts, und Anthropic definiert sie auch so: Duplikate und Fälle, die Maintainer nicht beheben wollen, zählen als gültig mit.

Anthropic schreibt selbst, dass die menschliche Prüfung "the rate limiting step" sei. Es gebe bestätigte Funde, die man aus Kapazitätsgründen noch gar nicht gemeldet habe.

Wo die Kritik trifft

Die Last liegt trotzdem bei den Maintainern. Anthropics Open-Source-Scanner, seit 08.10.2026 per Opt-in nutzbar, hat nach eigenen Angaben über 29.000 Kandidaten erzeugt, rund 6.000 davon geprüft, und knapp 5.000 Berichte gingen auf Wunsch der Projekte ungeprüft an die Maintainer. Anthropic räumt dort ein, dass einige Maintainer die Schweregrade für überhöht halten.

Das deckt sich mit curl. Daniel Stenberg hat im Mai beschrieben, wie von fünf "bestätigten" Mythos-Funden nach stundenlanger Prüfung eine Lücke mit niedrigem Schweregrad übrig blieb. VulnCheck nennt für eine spätere Serie von Anthropic-Berichten an curl 19 von 34 veröffentlichten als keine Schwachstelle, das stützt sich auf einen LinkedIn-Beitrag Stenbergs, den wir nicht einsehen konnten. curl nimmt seit 26.10.2026 Meldungen mit niedrigem und mittlerem Schweregrad nur noch öffentlich als Issue an, wegen der "avalanche" an Berichten insgesamt.

Ein Hinweis zur Quelle: VulnCheck verkauft selbst Schwachstellen-Daten und schließt den Beitrag mit eigener Produktwerbung. Das macht die Zahlen nicht falsch, erklärt aber die Zuspitzung.

Was wir aus KIberschutz kennen

Wir betreiben mit KIberschutz selbst eine KI-gestützte Schwachstellensuche in Open-Source-Projekten, in viel kleinerem Maßstab: 120 Funde in 15 Projekten, alle gemeldet, 80 Prozent inzwischen behoben. Der Unterschied zur Massenmeldung liegt nicht im Modell, sondern in der Prüfung davor. Jeder Fund wird gegengeprüft und mit einem nachvollziehbaren Nachweis gemeldet, bevor ihn ein Maintainer sieht. Das kostet Zeit pro Fund und begrenzt die Menge. Genau das ist der Engpass, den Anthropic beschreibt.

Für Teams, die eigene Projekte mit KI-Scannern prüfen oder Berichte von außen bekommen, heißt das:

• Schweregrade nachrechnen. Wenn neun von zehn Funden als kritisch oder hoch markiert sind, stimmt die Einstufung selten. VulnCheck zitiert eine Auswertung, nach der Claude 91,5 Prozent als kritisch oder hoch einstufte, die Maintainer 51,3 Prozent.
• Nach dem Nachweis fragen. Ein Bericht ohne reproduzierbaren Proof of Concept ist ein Kandidat, keine Schwachstelle.
• Fixquote lesen, nicht Fundzahl. Wie viele Lücken tatsächlich geschlossen werden, sagt mehr über einen Scanner als die Zahl der Treffer.