Anthropic 前沿红队：GLM-5.3 与 Claude Mythos Preview 在二进制漏洞利用任务上的表现

Anthropic 前沿红队在内部 Binary Exploitation benchmark 中随机抽取 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 在这些任务中无一成功，说明一个有意义的能力门槛已被跨过。