Anthropic警告GLM-5.3网络攻击能力，被调侃像是在替智谱打广告

Anthropic发布了一份关于智谱GLM-5.3的报告，警告该模型已经具备寻找软件漏洞、编写攻击程序的能力，而且防滥用限制容易被绕过。南华早报与量子位先后对这份报告进行了报道与解读。

为支撑结论，Anthropic公布了实测数据。在考察完整漏洞利用能力的ExploitBench测试中，同样尝试410次，GLM-5.3成功50次，而Claude Mythos Preview成功56次。报告还引用了美国NIST下属CAISI在9月17日的评估：GLM-5.3是迄今网络能力最强的开放权重模型，综合水平距美国前沿大约4个月。

报告披露，Anthropic自己的研究人员用GLM-5.3检查浏览器，找出了此前未知的漏洞，并在隔离环境中搭建出能够读取测试电脑文件的攻击链。

报告的第一个核心判断是，Mythos级别的能力已经流入开放模型。Anthropic称，五个月前发布的Claude Mythos Preview是首个能自主完成复杂、端到端漏洞利用的AI模型；由于能力过于敏感，公司没有公开发布，而是通过Project Glasswing只向经过审核的防御者开放，据称已找出1万多个漏洞。当时Anthropic就判断这种能力迟早会扩散，现在它给出的答案是GLM-5.3。

门槛还在降低。研究称，给更小的GLM-5.3-Flash一个刚公开的Chrome漏洞（CVE-2026-11645）和另一个已知漏洞的公开资料，人工只花约20分钟，模型自己跑了约8小时，就在ARM64平台上搭出一条稳定的攻击链，并绕过了指针认证保护，按智谱当时的API价格估算花费约20.40美元。

报告也承认GLM-5.3本身带有安全机制：在模拟测试中直接要求它攻击关键系统，它全部拒绝。但研究人员找到简单的绕过办法，包括通过abliteration技术修改开源权重来削弱拒答机制。Anthropic称这是团队第一次动手做，花了约2200 GPU小时、约4400美元算力；处理之后，GLM-5.3在JailbreakBench和HarmBench上的拒答率从90%以上掉到约3%和2%，在StrongREJECT上降到12%，而能力几乎没受影响。

报告甚至引用了拆掉护栏后模型在模拟环境中的思考过程，其中模型把悄悄造成伤亡当作任务，犹豫之后决定照办。Anthropic反复强调，同样的手法对带防护的Claude模型都没能奏效。

基于此，Anthropic给出两条建议：一是尽快把前沿模型开放给更多防御者，审核过的防御者已经可以通过受信访问计划使用更强的Claude Mythos 5.1；二是呼吁对足够强的AI模型开展独立安全测试，点名包括GLM-5.3的后继者，并希望全球开源模型开发者管好这些能力、防止滥用。

有意思的是，这份措辞严厉的警告在中文社区被解读出了另一种效果：量子位直接调侃，Anthropic更像是来给智谱打广告的。当一份安全警告用大量实测数据证明对手模型有多强时，它究竟是在提示风险，还是在无意间抬高对手的行业地位，成了这场讨论里更微妙的部分。