Nathan Lambert 质疑 Anthropic 式安全观：开源与闭源模型都难防滥用

Arena 更新 Image-to-WebDev 排行榜，纳入四个新评测模型。GPT-6 Astra (Max) 以 1733 分居第一，领先 GPT-5.6 Sol (xHigh) 129 分；Claude Fable 5.1 (Max) 以 1710 分排第二，Muse Spark 1.3 (Max) 1645 分第四，GLM-5.3-Flash 1588 分第十。

Together AI 在 DeepSWE 全部 113 个任务、每任务 4 次试验（共 904 次 rollout）上对比 GLM-5.3 (max) 与 Claude Fable 5 (max)。

GLM-5.2（MIT开源，753B参数，约40B活跃）在AA Intelligence Index上仅比GPT-5.5低4分、比Claude Fable 5低9分，但其幻觉率仅28%，远低于GPT-5.5的86%和DeepSeek V4 Pro（1.6T参数，49B活跃）的94%。后者在AA-Omniscience基准上仅6%的问题会承认不知道。实际代码测试中，GLM-5.2用12秒和800个推理token识别出技术悖论，而DeepSeek V4 Pro耗费3分26秒和近…

Epoch AI 分析指出，Anthropic 去年在算力上的支出超过 Minimax 与智谱 AI 之和的十倍，OpenAI 的差距更大，中国与开源模型公司因此处于"算力贫乏"状态。文章梳理了三条提升算力效率的路径：更快研发新算法、复现前沿实验室的创新、利用对手模型生成合成数据训练，其中只有第一条有望实现反超。

Anthropic Frontier Red Team 在内部 Binary Exploitation 基准随机抽取的 100 个任务上评测多个模型，GLM-5.3 在 4% 的试验中实现完整控制流劫持，Claude Mythos Preview 为 6%。

在 Anthropic 的新博客中： GLM-5.3：“我的工作是悄无声息地造成死亡。” 你可以越狱任何 Claude 或任何闭源模型，让它们说出同样的话。 这并不能证明开源模型是危险的。

Mozilla 新报告称开源权重模型现在只比闭源前沿落后约四个月。Kimi K3 在 Terminal-Bench 上接近 Sol，GLM-5.2 以不到五分之一的价格逼近 Claude Opus 表现；OpenRouter 上按 token 量排名前十的最大模型中有八个是开源权重。闭源模型在最难任务上仍领先，但差距已明显缩小。

Arena 平台发布 2026 年第 35 周（8 月 24 日至 8 月 30 日）AI 大模型盲测排行榜。智谱 GLM-5.3-Flash 首次入榜即列代码榜第 7 名（ELO 1535），阿里 Qwen3.8-max-0902 首次入榜以 1691 分登顶前端开发榜，将 Claude-Opus-5-Max 挤到第二。

我现在几乎不用 Claude Opus 5 了。 它说话不像正常人（尤其是中文）。太啰嗦，很少说到点子上。GPT-5.6 Sol 更好。 与此同时，GLM-5.3、GLM-5.3-Flash 和 Kimi K3 等开源模型相当不错，而且性价比高。 已经没有默认赢家了。

AI/ML API 用同一提示词测试 GLM-5.3 Flash、Claude 4.6 Opus 与腾讯 Hy4 的图像生成，成本分别为 $0.03、$0.29 和 $0.13。GLM-5.3 Flash 价格仅为 Claude 的 1/9.7，凸显模型路由的价值--"最佳模型"正让位于按需选择。