Simon Willison 引述 Anthropic Frontier Red Team 关于 GLM-5.3 网络攻击能力的评测

Anthropic Frontier Red Team 在内部 Binary Exploitation benchmark 的 100 个任务上评测发现，GLM-5.3 在 4% 的试验中实现完整控制流劫持，Claude Mythos Preview 为 6%，而 Claude Opus 4.6 和 GLM-5.2 均无一成功。