Aller au contenu
3 octobresam.
2 octobreven.
30 septembremer.
  1. Simon Willison62

    Anthropic Frontier Red Team évalue les capacités cyber de GLM-5.3 et Claude Mythos Preview

    L'équipe Frontier Red Team d'Anthropic indique avoir évalué plusieurs modèles sur 100 tâches tirées au hasard d'un benchmark interne d'exploitation binaire. GLM-5.3 parvient à 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 réussissent dans aucun essai, ce qui marque selon l'équipe un seuil significatif franchi.

3 aoûtlun.