引用 Anthropic Frontier Red Team
英文标题：Quoting Anthropic Frontier Red Team
Anthropic Frontier Red Team 在随机抽取的 100 个内部二进制漏洞利用基准任务上评估了多款模型。GLM-5.3 在 4% 的试验中成功实现完整控制流劫持，Claude Mythos Preview 的成功率为 6%。尽管 GLM-5.3 的表现低于 Claude Mythos Preview，但该团队认为能力门槛已出现实质性跨越：更早的 Claude Opus 4.6 和 GLM-5.2 在这些任务中均未成功。该结果表明，前沿模型的高级网络能力正在扩散，开发者和行业需要更加重视二进制漏洞利用相关的安全风险与评估机制。
中文
2026 年 9 月 29 日
我们在随机抽取的 100 个[内部二进制漏洞利用基准]任务上评估了多款模型，发现 GLM-5.3 在 4% 的试验中实现了完整控制流劫持；Claude Mythos Preview 则在 6% 的试验中实现了这一目标。尽管 GLM-5.3 在此项测试中的表现低于 Claude Mythos Preview，但一个重要门槛显然已经被跨越：更早的模型，如 Claude Opus 4.6 和 GLM-5.2，在其中任何任务中都未取得成功。
— Anthropic Frontier Red Team，GLM-5.3 与高级网络能力的扩散
English / 原文
29th September 2026
We evaluate several models on 100 tasks from the [internal Binary Exploitation benchmark] (selected at random), and find that GLM-5.3 develops full control flow hijacks in 4% of the trials; Claude Mythos Preview did so in 6%. Although GLM-5.3 performs below Claude Mythos Preview here, a meaningful threshold has clearly been crossed: earlier models, like Claude Opus 4.6 and GLM-5.2, do not succeed in any of them.
— Anthropic Frontier Red Team, GLM-5.3 and the spread of advanced cyber capabilities