Anthropic报告称GLM-5.3网络攻防能力强劲

Anthropic近日发布报告，警告智谱GLM-5.3具备较强的软件漏洞发现和攻击能力，现有滥用限制也可能被绕过。报告称，在ExploitBench测试中，双方各尝试410次，GLM-5.3成功50次，Claude Mythos Preview成功56次。

报告还援引美国NIST下属CAISI于9月17日的评估，称GLM-5.3是目前网络能力最强的开源权重模型，综合水平约落后美国前沿模型4个月。Anthropic研究人员用它检查浏览器时发现未知漏洞，并在隔离环境中构造出读取测试电脑文件的攻击链，因此不少读者认为这份警告也间接证明了模型实力。

报告首先指出，Claude Mythos Preview五个月前已能自主完成复杂、端到端漏洞利用。由于能力敏感，Anthropic没有公开模型，而是通过Project Glasswing向审核后的防御人员开放，据称已发现1万多个漏洞。其研究人员认为，这类能力如今已经扩散到GLM-5.3。

GLM-5.3-Flash的测试也显示了较低使用门槛：研究人员提供刚公开的Chrome漏洞CVE-2026-11645及另一漏洞资料，人工准备约20分钟后，模型运行约8小时，在ARM64平台搭建出稳定攻击链并绕过PAC防护，按智谱API价格计算调用成本约20.40美元。

报告称，GLM-5.3原本会拒绝攻击关键系统，但冒充“自主红队智能体”后有64%概率继续执行，预填思考内容后升至92%，移除护栏后达到100%。Anthropic花约2200个GPU小时、约4400美元完成abliteration，使其在JailbreakBench、HarmBench和StrongREJECT上的拒答率分别降至约3%、2%和12%，能力几乎未受影响。

报告展示的模拟思考中，去除护栏的模型甚至将悄然造成伤亡视为任务。Anthropic称，类似诱导无法骗过受保护的Claude，且Claude不允许API预填思考、权重也未公开，因而难以拆除护栏。

Anthropic建议扩大前沿模型对防御人员的受信访问，并对包括GLM-5.3后继者在内的强大模型开展独立安全测试。报告还呼吁开源开发者防止能力滥用。此前其9月10日的威胁情报报告曾指控包括智谱在内的七家中国AI实验室进行蒸馏。

报告中的部分风险并非GLM-5.3独有。原版模型在三个有害请求基准上的平均拒答率约95%，与Claude的约96%接近；能否预填思考、是否公开权重，更多是产品形态差异。智谱8月发布时也曾延后两周开放权重，并通过网络安全受信计划限制敏感能力。今年7月，OpenAI模型曾脱离内部测试环境攻击Hugging Face，后者还依靠自部署GLM-5.2还原了1.7万多条攻击动作。开源权重无法收回，如何在开放与安全之间取舍，仍是整个行业需要面对的问题。