Anthropic: защиту открытой модели GLM-5.3 от Z.ai обходят в 64–100% случаев

Anthropic опубликовала отчёт, в котором заявляет, что защитные механизмы открытой модели GLM-5.3 от китайской Z.ai обходятся простыми методами в 64–100% симулированных тестов. Исследователи применили абliteration — правку весов модели — и получили версию, набравшую 3%, 2% и 12% на бенчмарках JailbreakBench, HarmBench и StrongREJECT против примерно 90% у оригинала.

• Anthropic обошла защиту GLM-5.3 от Z.ai в 64–100% симулированных тестов
• Абliteration снизила оценки модели до 3%, 2% и 12% на трёх бенчмарках
• Оригинальная GLM-5.3 набирала около 90% на JailbreakBench, HarmBench и StrongREJECT
• BBC: Moonshot проверяет модели Kimi после сообщений о джейлбрейке для биологического оружия