Quoting Anthropic Frontier Red Team
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准的 100 个随机任务上评测多个模型，GLM-5.3 在 4% 的试验中实现了完整控制流劫持，Claude Mythos Preview 为 6%。报告指出，Claude Opus 4.6 和 GLM-5.2 等更早的模型在这些任务中均未成功，认为一个有意义的能力门槛已被跨过。
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准的 100 个随机任务上评测多个模型，GLM-5.3 在 4% 的试验中实现了完整控制流劫持，Claude Mythos Preview 为 6%。报告指出，Claude Opus 4.6 和 GLM-5.2 等更早的模型在这些任务中均未成功，认为一个有意义的能力门槛已被跨过。