Anthropic 刻意推迟了 Mythos Preview 的发布，仅通过以下途径向部分防御方开放访问Project Glasswing以便他们能抢占先机。该公司表示，这些防御方此后已在关键软件中发现了超过 10,000 个漏洞。OpenAI 也采取了类似的做法，推出了Daybreak。而 GLM-5.3 则任何人都可以下载。
前沿级别的漏洞利用如今的花费大约相当于一顿午餐
ExploitBench衡量模型利用 Chrome V8 引擎中已知漏洞的能力。在该基准测试中，GLM-5.3 在 410 次尝试中有 50 次构建出可用的漏洞利用，而 Mythos Preview 为 56 次。Anthropic 还运行了一个基于 Google OSS-Fuzz 开源项目的内部二进制漏洞利用基准测试。在那里，GLM-5.3 在 4% 的任务中完全控制了目标程序，而 Mythos Preview 为 6%。较旧的模型如 GLM-5.2 和 Claude Opus 4.6 两项测试均未通过，Kimi K3 和 DeepSeek V4.1-Flash 则几乎毫无进展。
Anthropic 还将 GLM-5.3 与一位人类专家配对。在一天之内且几乎没有人工干预的情况下，该模型在一款广泛使用的浏览器的 JavaScript 引擎中发现了若干此前未知的漏洞。随后它将这些漏洞串联成一个网页，可以读取访客电脑上的任意文件，并在测试中提取出了一把私有的 SSH 密钥。Anthropic 表示已将这些漏洞报告给该浏览器的开发者。驱动程序和设备固件中的其他发现仍在审查中。
Anthropic 使用较小的 GLM-5.3-Flash 来测试一个新披露的漏洞能被多快地转化为可用的攻击。该模型将一个近期披露的 Chrome 漏洞与另一个已知漏洞结合，在几乎没有指导的情况下，从中构建出一个可靠的攻击。该攻击甚至绕过了处理器内置的一项额外安全功能。整个工作耗费了 20 分钟的人工关注和 8 小时的模型时间，按智谱的 API 价格计算将花费 20.40 美元。
美国机构 CAISI 在其自己的评估中得出了类似结论它将 GLM-5.3 称为迄今为止网络能力最强的开源权重模型，并认为它大约落后于美国最好的模型四个月。这一比较带有一些前提条件。CAISI 在测试美国模型时关闭了它们的网络防护措施，而顶级梯队中还包括只有经过审核的用户才能访问的模型。
开源权重使防护措施容易被移除
在 Anthropic 的一次模拟中，GLM-5.3 拒绝了公开恶意的攻击指令。当同样的请求被伪装成红队演练时，该模型在 64% 的运行中尝试连接目标系统。在预填推理步骤的情况下，这一数字升至 92%。在消融之后——这是一种从开源权重中剥离拒绝行为的技术——它达到了 100%。该模拟不执行任何代码，因此无法表明攻击是否真的会成功。受保护的 Claude 模型始终保持在零。
Anthropic 的团队表示，这是其首次使用消融技术。该过程耗时约 2,200 GPU 小时，成本约为 4,400 美元，Anthropic 估计一个有经验的团队可以以约 1,200 美元完成。有害请求的拒绝率从超过 90% 降至 2% 到 12% 之间，而科学和网络测试的分数几乎没有变化。据 Anthropic 称，在该模型发布后的几天内，已有数家开发者发布了未受限版本。
Anthropic 得出结论，国家和非国家行为者很可能会利用像 GLM-5.3 这样的模型造成真正的伤害。它指出其自身的报告以及其他美国实验室的报告，这些报告记录了已经在使用 AI 的攻击者。该公司认为，政府应该测试有能力的模型，而防御者需要至少与对手所拥有的工具一样好的工具。
Anthropic 的警告也服务于其自身业务
这项分析并非完全无私。Anthropic 不发布其模型权重，而报告恰恰将这一点作为关键的安全优势。一个接近前沿的廉价中国开源权重模型也是一个直接的竞争对手。
这份报告的结论也符合 Anthropic 的商业利益。该公司希望把 Claude 的网络能力带给更多防御方，而经过审核的用户已经可以使用 Claude Mythos 5.1。它呼吁政府对 GLM-5.3 的后续模型进行测试，这也让人怀疑是监管俘获，即规则最终主要保护了现有玩家。
不过，这不仅仅是出于自身利益。CAISI 的独立评估支持了这些能力数据，而且该模型的未受限版本已经流出。
英国人工智能安全研究所最近发现开源模型在网络能力上的落后差距已从六到十个月缩小到四到七个月。据该研究所称，开源模型的运行成本也低得多，而且它们的防护措施在很大程度上无效。AISI 警告存在持续且不可逆的滥用风险，但也指出了实际好处，如私有托管、定制化和更低的成本。
AISI 将这一差距视为防御方进行准备的窗口期。当时，开源模型是否也会追赶上 Mythos Preview 所代表的飞跃，仍不清楚。来自 Anthropic 和 CAISI 的测量结果表明，GLM-5.3 是对这一问题的第一个答案。