Anthropic红队评测模型二进制漏洞利用能力
先了解这件事
2026 年 9 月 30 日，Simon Willison 转述 Anthropic 前沿红队关于高级网络能力的评估：在内部 Binary Exploitation 基准随机选取的 100 个任务上，GLM-5.3 在 4% 的试验中实现完整控制流劫持，Claude Mythos Preview 为 6%；红队称 Claude Opus 4.6、GLM-5.2 此前在这些任务中无一成功，说明已越过一个有意义的门槛。同日 The Decoder 报道，Anthropic 称智谱开源权重模型 GLM-5.3 在漏洞利用开发上接近仅向部分防御者开放的 Claude Mythos Preview：在 ExploitBench 上，GLM-5.3 于 410 次尝试中构建出 50 个可用漏洞利用，Mythos Preview 为 56 个；内部二进制漏洞利用基准上两者仍为 4% 和 6%。两篇报道均未说明评测发布时间、任务构成，也未说明是否扩大评测范围或披露更多模型数据。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The Decoder精选Anthropic 称智谱 GLM-5.3 在漏洞利用开发上接近 Claude Mythos Preview
Anthropic 评估称，智谱开源权重模型 GLM-5.3 在漏洞利用开发上接近其仅向部分防御者开放的 Claude Mythos Preview。在 ExploitBench 上，GLM-5.3 于 410 次尝试中构建出 50 个可用漏洞利用，Mythos Preview 为 56 个；Anthropic 内部二进制漏洞利用基准中两者分别为 4% 和 6%。
- Simon WillisonAnthropic 前沿红队：GLM-5.3 在 4% 试验中完成完整控制流劫持，Claude Mythos Preview 为 6%
Anthropic 前沿红队在一份关于高级网络能力的评估中称，在内部 Binary Exploitation 基准随机选取的 100 个任务上，GLM-5.3 在 4% 的试验中实现完整控制流劫持，Claude Mythos Preview 在 6% 的试验中做到这一点。该红队表示此前模型如 Claude Opus 4.6 和 GLM-5.2 在这些任务中无一成功，说明已经越过了一个有意义的门槛。
本事件热度走势
当前热度 16·可比范围峰值 17（9月30日 20:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。