ExploitBench
AssessCông cụ
Benchmark bảo mật dùng để đánh giá năng lực của mô hình trong các bài toán liên quan đến khai thác lỗ hổng.
Vì sao ở đây
Xếp vào Assess: 3 bài bằng chứng từ 4 nguồn, chủ yếu là phát hành mô hình, 2 bài trong 30 ngày qua. Độ tin cậy 58%.
Bằng chứng (3)
- 8Hacker News·29/9/2026securityGLM-5.3 cho thấy năng lực tạo khai thác an ninh mạng nâng cao
Một bài viết của Frontier Red Team Policy đánh giá GLM-5.3, mô hình mở trọng số của Zhipu AI, và cho thấy nó có thể tự động xây dựng khai thác tấn công mạng hoàn chỉnh với năng lực tương đương Claude Mythos Preview. Báo cáo cũng cho biết các cơ chế an toàn của GLM-5.3 còn yếu và thường có thể bị vượt qua bằng các kỹ thuật đơn giản, làm tăng nguy cơ bị lạm dụng cho các cuộc tấn công nâng cao.
- 7The New Stack·28/9/2026model_releaseAnthropic bổ sung cơ chế an toàn mạng và chuyển tiếp dự phòng cho Claude Sonnet 5.5
Anthropic đã phát hành Claude Sonnet 5.5 với cơ chế bảo vệ an ninh mạng và chuyển tiếp mô hình tương tự như các mô hình mạnh nhất trước đây. Công ty cho biết model này mạnh hơn Sonnet 5 trong các tác vụ an ninh tấn công đến mức các yêu cầu mạng bị chặn có thể được chuyển sang Sonnet 5, trong khi người dùng API phải chủ động bật cơ chế dự phòng.
- 8OpenAI Blog·3/9/2026model_releaseOpenAI triển khai GPT-6 Astra
OpenAI đang triển khai GPT-6 Astra cho một nhóm tổ chức hạn chế, trước khi mở rộng tới người dùng ChatGPT Plus, Pro, Business, Enterprise, API và AWS trong những ngày tới. Mô hình có mức giá 10 USD cho mỗi triệu token đầu vào và 50 USD cho mỗi triệu token đầu ra, đồng thời được cho là đạt kết quả cao trên nhiều benchmark, đặc biệt ở các bài toán ngữ cảnh dài và bảo mật.