Anthropic报告称智谱GLM-5.3防护薄弱
Anthropic发布前沿红队报告，称智谱AI开源模型GLM-5.3防护措施薄弱，具备Mythos级黑客能力，可通过欺骗性提示等方式绕过。
Anthropic发布了一份前沿红队测试报告，声称北京智谱华章科技有限公司的开源权重模型GLM-5.3防护措施薄弱，并具备与Mythos同级的黑客攻击能力。该报告由tomshardware.com报道。
报告称，GLM-5.3的防护机制可通过欺骗性提示、预填充思考令牌（prefilling thinking tokens）以及消融（abliteration）等方式绕过。Anthropic表示，对GLM-5.3进行消融后，其拒绝率降至6%，而GLM-5.3-Flash的拒绝率降至14%。
在Anthropic的Exploitbench测试中，GLM-5.3在410次运行中成功开发出端到端漏洞利用50次，而Claude Mythos为56次。在一项针对完整控制流劫持的内部基准测试中，GLM-5.3成功率为4%，Mythos为6%，Kimi K3和DeepSeek V4.1 Flash均为0%。
背景
2025年9月下旬，美国人工智能标准与创新中心（Center for AI Standards and Innovation）发布报告，称GLM-5.3能够以与Anthropic尚未发布的Claude Mythos模型相近的水平全自动生成漏洞利用。
Anthropic为此开发了Project Glasswing，旨在让开发者提前获得Mythos级AI模型，以便在此类模型发布前修补漏洞。此外，在有关AI发展速度的警报发出数日后，Anthropic发布了Claude Opus 5.5和Claude Sonnet 5.5。
快速问答
Anthropic报告对GLM-5.3提出了哪些具体指控？
Anthropic称GLM-5.3防护薄弱，可通过欺骗性提示、预填充思考令牌和消融绕过，并具备Mythos级黑客能力。
GLM-5.3在Exploitbench中的表现如何？
在410次运行中，GLM-5.3开发出端到端漏洞利用50次，Claude Mythos为56次。
什么是Project Glasswing？
Anthropic开发的项目，旨在让开发者提前获得Mythos级AI模型，以便在发布前修补漏洞。