AnthropicのFrontier Red Teamは、内部Binary Exploitationベンチマークの100タスクで中国製モデルGLM-5.3を評価し、4%の試行で完全な制御フローハイジャックを開発できることを発見しました。

  • GLM-5.3は4%の試行で成功しましたが、Claude Mythos Previewは6%でこれを達成しました。
  • Claude Opus 4.6やGLM-5.2を含む以前のモデルは、どのタスクでも成功しませんでした。
  • この結果は、高度なサイバー能力に関して意味のある閾値を越えたことを示しています。