Anthropic 评估智谱 GLM-5.3:护栏可被 64%-100% 绕过,网络攻击能力跃升
赛博禅心 · wechat · 2026-09-30
Anthropic 发布对智谱最新模型 GLM-5.3 的网络安全评估,认为它是继自家 Claude Mythos Preview 之后又一款能自主开发端到端漏洞利用程序的模型,且发布时缺少有效安全护栏。NIST 下属 CAISI 此前称其为「迄今网络安全能力最强的开放权重模型」,比美国前沿模型落后约 4 个月。
能力评估
- ExploitBench:GLM-5.3 在 410 次尝试中完成 50 次端到端漏洞利用,接近 Claude Mythos Preview 的 56 次
- 二进制漏洞基准:完成 4% 的完整控制流劫持(Claude Mythos Preview 为 6%),此前模型均未成功
- 人类专家参与实验:一天内用 GLM-5.3 在某常用浏览器 JS 引擎发现多个未知零日漏洞并串成利用链,可读取用户任意文件;还找到无线驱动、图形驱动等系统漏洞
- 用 GLM-5.3-Flash 复现 Chrome CVE-2026-11645 并串联另一漏洞构建 ARM64 利用链、绕过 PAC:人类仅投入 20 分钟,模型工作 8 小时,按 API 价格成本 20.40 美元
护栏绕过
- abliteration 移除拒绝行为(约 600-2200 GPU 小时,成本 1200-4400 美元):拒绝率从 95% 降至 6%(Flash 从 95% 降至 14%),GPQA-Diamond 能力不变
- 不改权重也能绕过:伪装成红队演练 agent 使参与率升至 64%,预填思考 token 达 92%, abliteration 版达 100%
- 相同攻击对保留护栏的 Claude 模型均未奏效
结论与建议:Anthropic 认为这标志攻击者可获取的攻击能力出现明显跃升,国家和非国家行为体都可能滥用;防御方应尽快获得同等能力的前沿模型,政府应对强模型开展独立安全测试,开放权重开发者应设置适当护栏。
所属事件:Anthropic 报告称 GLM-5.3 网络攻击能力逼近自家前沿模型,引发争议(38 条相关)→
「模型」频道最新
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- AI 日报:DeepSeek 限额、千问砍价惹店公告、豆包工作台上线 — 快鲤鱼 · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16