GLM-5.3与Claude Mythos在控制流劫持测试中表现对比

令人着迷。 «在4%的试验中，GLM-5.3实现了完整的控制流劫持；Claude Mythos Preview在此项上的比例为6%。尽管GLM-5.3在此处的表现低于Claude Mythos Preview，但显然已经跨越了一个有意义的阈值：早期的模型，如Claude Opus 4.6和GLM-5.2，在这些试验中均未成功。» Kimi K3和DeepSeek V4.1 Flash在Anthropic的评估中依然毫无希望！令人费解。