Anthropic 红队:GLM-5.3 在 4% 测试中实现完整控制流劫持
来源Simon Willison查看原文
速览
- Anthropic 红队用 100 个二进制漏洞利用任务横向对比多个模型
- GLM-5.3 成功实现控制流劫持的比例为 4%
- Claude Mythos Preview 成功率为 6%,高于 GLM-5.3
- Claude Opus 4.6 与 GLM-5.2 在该测试中零成功
- Anthropic 判断先进网络攻击能力正在向更多模型扩散
Anthropic Frontier Red Team 发布研究,评估多个模型在内部 Binary Exploitation 基准的 100 个随机任务上的表现。结果显示,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%。虽然 GLM-5.3 的表现低于 Claude Mythos Preview,但 Anthropic 认为一个有意义的能力门槛已被跨过:此前的模型如 Claude Opus 4.6 和 GLM-5.2 在这些任务中一次都没有成功。
关键事实
- 评估基于内部 Binary Exploitation 基准中随机选取的 100 个任务
- GLM-5.3 在 4% 的试验中实现了完整的控制流劫持
- Claude Mythos Preview 在同一测试中成功率为 6%
- Claude Opus 4.6 和 GLM-5.2 在这些任务中均未成功
- Anthropic 认为这一结果标志着有意义的能力门槛已被跨过
本站视角
对国内做大模型安全评估和红队测试的团队来说,这份数据提供了一个少见的横向参照:GLM-5.3 与 Claude Mythos Preview 的差距只有 2 个百分点,而上一代模型还是零成功,说明自主漏洞利用能力并非某一家实验室的专属,开源权重模型正在快速逼近。对使用 GLM 系列 API 做代码生成或自动化渗透测试的企业,这意味着模型输出需要更严格的滥用监控——4% 的成功率在单次任务上看似很低,但攻击者可以批量重试,实际可用性远高于这个数字。需要指出的是,Anthropic 只公布了成功率,没有披露任务难度分布、是否给予模型多轮尝试机会,也没有说明 100 个任务的具体构成,因此 4% 与 6% 之间的差距是否具有统计显著性无法判断。此外,Anthropic 作为 Claude 的开发商,发布这类对比研究本身带有展示自身安全领先性的动机,读者应把这份数据看作能力趋势的信号,而不是精确的模型排名。
背景与影响
Anthropic Frontier Red Team 是 Anthropic 内部负责评估前沿模型安全风险的红队团队,此次研究聚焦于先进网络攻击能力的扩散问题。Binary Exploitation 基准测试的是模型能否自主发现并利用二进制程序中的漏洞,最终实现控制流劫持——这是真实漏洞利用链中的关键一步。从零成功到个位数成功率的变化,意味着模型在自主漏洞利用这一高门槛任务上开始具备初步能力。Anthropic 将 GLM-5.3 与自家模型并列评估,也说明其关注点不仅是自身模型的安全边界,还包括开源或第三方模型能力提升带来的整体风险面扩大。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。