Simon Willison · 29 сентября 2026

Quoting Anthropic Frontier Red Team

We evaluate several models on 100 tasks from the [internal Binary Exploitation benchmark] (selected at random), and find that GLM-5.3 develops full control flow hijacks in 4% of the trials; Claude Mythos Preview did so in 6%. Although GLM-5.3 performs below Claude Mythos Preview …

Почему это важно

Краткий обзор собран из открытых источников. Полные детали — по ссылке на первоисточник.

Читать первоисточник — Simon Willison

Мы не копируем чужой контент. Эта страница — честная подборка с прямой ссылкой на оригинал.