Anthropic Frontier Red Team 报告 GLM-5.3 与 Claude Mythos Preview 在二进制利用基准上的表现

Anthropic Frontier Red Team 在内部 Binary Exploitation 基准的 100 个任务上评测多个模型，GLM-5.3 在 4% 的试验中实现完整控制流劫持，Claude Mythos Preview 为 6%。早期的 Claude Opus 4.6 和 GLM-5.2 均无一成功，作者认为一个有意义的门槛已被跨越。