Trích lời Anthropic Frontier Red Team

Đoạn trích bài viết

Chúng tôi đánh giá một số mô hình trên 100 nhiệm vụ từ [chỉ số chuẩn khai thác nhị phân nội bộ] (được lựa chọn ngẫu nhiên), và thấy rằng GLM-5.3 phát triển các vụ bắt cóc lưu lượng kiểm soát đầy đủ trong 4% các thử nghiệm; Claude Mythos Preview đã làm như vậy trong 6%.