Anthropic cho rằng GLM-5.3 của Zhipu AI có thể tạo exploit ở cấp độ Mythos và dễ vượt hàng rào an toàn

Tóm tắt nhanh

• Anthropic công bố báo cáo cho rằng Zhipu AI's GLM-5.3 có thể được dùng để tạo nội dung độc hại và phục vụ tấn công mạng do biện pháp bảo vệ yếu.
• Theo Anthropic, báo cáo của Center for AI Standards and Innovation (cuối tháng 9) kết luận GLM-5.3 có thể tự động hoá exploit ở mức tương tự Claude Mythos.
• Trong Exploitbench sandbox, GLM-5.3 đạt 50 exploit end-to-end trong 410 lần chạy, so với Mythos 56/410.
• Trong benchmark nội bộ khác về 'full control-flow hijacks', GLM-5.3 có tỉ lệ thành công 4% so với Mythos 6%, trong khi Kimi K3 và DeepSeek V4.1 Flash đạt 0%.
• Anthropic cho biết GLM-5.3 có thể phát triển chained exploits một cách tự động, và biến thể 'Flash' nhẹ hơn cũng có khả năng này với chi phí token hoá khoảng $20.40.
• Tùy tỷ lệ input/output, GLM-5.3-Flash có thể tạo chained exploits dùng 100–300 triệu token cho các lỗ hổng đã biết.
• Anthropic mô tả hai phương pháp né hàng rào: prompt lừa đóng vai tác nhân thù địch (tỉ lệ thành công 64%) và prefill thinking tokens (92%).
• Công ty còn trình bày 'abliteration'—gỡ bỏ hoàn toàn guardrails trên bản tải về GLM-5.3—khi đó tỉ lệ từ chối giảm xuống 6% cho GLM-5.3 và 14% cho GLM-5.3-Flash.
• Anthropic lưu ý các bản GLM-5.3 đã bị 'abliterated' thường xuất hiện trên HuggingFace để phục vụ red teaming nhưng cũng có thể dùng cho tấn công thực tế.
• Chạy phiên bản abliterated GLM-5.3 ở mức sử dụng được đòi hỏi nhiều tài nguyên: trọng số yêu cầu 306 GB VRAM ở FP8 và lượng tương tự cho KV cache.

Tóm tắt tự động bằng AI từ bài gốc, có thể có sai sót. Hãy kiểm chứng ở bài gốc.