Anthropic Frontier Red Team：GLM-5.3 与 Claude Mythos Preview 在 Binary Exploitation 基准上的表现

Anthropic Frontier Red Team 在内部 Binary Exploitation 基准的 100 个随机任务上评测多个模型，GLM-5.3 在 4% 的试验中实现完整的控制流劫持，Claude Mythos Preview 为 6%。报告称这一结果意味着一个有意义的能力门槛已被跨过，此前的 Claude Opus 4.6 和 GLM-5.2 在这些任务中均未成功。