Anthropic के Frontier Red Team ने आंतरिक Binary Exploitation बेंचमार्क से 100 कार्यों पर चीनी मॉडल GLM-5.3 का मूल्यांकन किया और पाया कि यह 4% प्रयासों में पूर्ण कंट्रोल फ्लो हाइजैक विकसित करने में सक्षम है।
- GLM-5.3 ने 4% प्रयासों में सफलता प्राप्त की, जबकि Claude Mythos Preview ने इसे 6% में हासिल किया।
- Claude Opus 4.6 और GLM-5.2 सहित पूर्व मॉडलों ने किसी भी कार्य में सफलता नहीं पाई।
- परिणाम संकेत देते हैं कि उन्नत साइबर क्षमताओं के संबंध में एक महत्वपूर्ण सीमा पार हो गई है।