Anthropic 红队报告：GLM-5.3 与 Claude Mythos Preview 在二进制利用任务上的表现对比

Anthropic 前沿红队基于内部二进制利用基准的 100 个随机任务评估发现，GLM-5.3 在 4% 的试验中实现完整的控制流劫持，Claude Mythos Preview 为 6%。早期模型如 Claude Opus 4.6 和 GLM-5.2 在该任务上均未成功，表明一项有意义的阈值已被跨越。