Anthropic 前沿红队：GLM-5.3 与高级网络
来自 Simon Willison · 期号 2026-09-30
摘要
Anthropic 前沿红队评估了多个模型在二进制利用基准上的表现。GLM-5.3 在 4% 的测试中成功实现了完整的控制流劫持，Claude Mythos Preview 为 6%。虽然 GLM-5.3 仍低于 Claude Mythos Preview，但一个关键阈值已被跨越：前代模型（如 Claude Opus 4.6 和 GLM-5.2）在同样任务中无一成功。 “一个有意义的关键阈值显然已被跨越：早期的模型……没有一次成功。”