Anthropic的Frontier Red Team在内部Binary Exploitation基准测试的100项任务上评估了中国模型GLM-5.3，发现其在4%的试验中能够开发完全的控制流劫持。

  • GLM-5.3在4%的试验中取得成功，而Claude Mythos Preview在6%的试验中实现了这一目标。
  • 包括Claude Opus 4.6和GLM-5.2在内的早期模型在所有任务中均未取得成功。
  • 结果表明，在高级网络能力方面已跨越了一个有意义的阈值。