Anthropic: GLM-5.3 и Claude Mythos научились захватывать поток управления

Frontier Red Team компании Anthropic сообщила, что на внутреннем бенчмарке Binary Exploitation из 100 задач GLM-5.3 добилась полного захвата потока управления в 4% попыток, а Claude Mythos Preview — в 6%. Более ранние модели, включая Claude Opus 4.6 и GLM-5.2, не справились ни с одной задачей.

• GLM-5.3: полный захват потока управления в 4% из 100 задач
• Claude Mythos Preview: 6% успешных попыток на том же бенчмарке
• Claude Opus 4.6 и GLM-5.2 не решили ни одной задачи
• Anthropic называет это пересечением значимого порога киберспособностей