Anthropic 红队：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 基准中随机选取 100 个任务评测多个模型，GLM-5.3 在 4% 的试验中实现了完整的控制流劫持，Claude Mythos Preview 为 6%。报告指出，此前的 Claude Opus 4.6 和 GLM-5.2 在这些任务中均未成功，说明一条有意义的门槛已被跨过。