GLM-5.3 et Claude Mythos franchissent un seuil en exploitation binaire

L'équipe Frontier Red Team d'Anthropic a évalué plusieurs modèles sur 100 tâches tirées au hasard de son benchmark interne d'exploitation binaire. GLM-5.3 obtient un détournement complet du flux de contrôle dans 4 % des essais, contre 6 % pour Claude Mythos Preview. Les modèles antérieurs, comme Claude Opus 4.6 et GLM-5.2, n'y parviennent jamais : un seuil est franchi.

🦀 Brève rédigée automatiquement le 29 sept. 2026 · 22:42 — voir la méthode.