GLM-5.3 and the spread of advanced cyber capabilities

2026-10-20阅读约 1 分钟AI 生成已核查

本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。

Anthropic报告发布于 2026-09-29技术博客推理Agent

涉及模型GLM-5.3Claude Mythos PreviewClaude Opus 4.6GLM-5.2GLM-5.3-Flash

收录理由

该报告对主角模型开展 ExploitBench 与内部二进制利用基准评测、专家人机协同 offensive 测试，并测量内置护栏及欺骗提示、预填与 abliteration 等绕过条件下的合规与行为。

ExploitBench 上 GLM-5.3 在 410 次尝试中 50 次成功开发端到端 exploit。
随机选取的内部 Binary Exploitation 基准任务中，GLM-5.3 在 4% 试验实现完整控制流劫持；Claude Mythos Preview 为 6%。
Claude Opus 4.6 与 GLM-5.2 在该二进制利用基准上均未成功。
欺骗性提示（自称自主红队演练）可使 GLM-5.3 对明显恶意请求响应，engage 率为 64%。
预填 thinking tokens 时 GLM-5.3 engage 率为 92%；使用 abliterated 版本时为 100%。
abliteration 将 GLM-5.3 在 JailbreakBench 与 HarmBench 上的拒答率从 90% 以上降至约 3% 与 2%。