月之暗面自曝刻意削弱 Kimi K3.1 Pro 网络攻防能力

月之暗面在 Kimi K3.1 Pro 的技术报告与官方博客中自曝：随着模型能力增强，团队发现通用 mid-training 语料和 RL 环境中天然混入网络安全内容，使漏洞研究能力随 post-training 持续提升；为此团队在预训练与后训练两个阶段主动清除相关数据，有意压制开源版的网络攻防能力，官方称不做清除的话下游 cyber 能力会大幅提升。这是少见的厂商在技术报告中明确承认按能力维度做定向削弱的案例，直接关系开放权重模型的网络安全研究价值。

已确认

• 削减事实源于技术报告披露，@teortaxesTex、@dejavucoder、@scaling01、@bookwormengr、@nrehiew、@rohanpaulai、@cedricchee、@AashaySachdeva 等多位作者均转述了同一信息；@cedricchee 补充数据清除覆盖预训练与后训练两个阶段
• 内部基准 xdev-bench-hard（pass@3）：未做风险削减的 checkpoint 得 90.5，移除数据后的公开发布版降至 81.0；@rohanpaulai 称该基准为 Moonshot 自建 exploit 任务集，即解决率从 90.5% 降至 81%
• 对外评测得分：ExploitBench 74.7（GPT-6 Astra 为 100），ExploitGym 20.7（GPT-6 Astra 为 42+）
• @scaling01 指出，即便保留数据，内部 cyber 评测仍落后 GPT-5.6-Sol
• 官方博客同时公布开放权重安全原则：不发布会扩展网络攻击能力绝对前沿的开放权重——K3.1 Pro 的进攻性 cyber 能力在设计上低于其管线实际可产出的水平，也落后于专有前沿模型；但会渐进式提高开放权重能力。@teortaxesTex 称之为「来自 Kimi 的 d/acc」——跟随前沿但克制
• @cedricchee 评论指出，Moonshot 承认本可以做得更多但选择不做，以免招致封禁风险；@AashaySachdeva 转述时有评论打趣称中国厂商在网络安全能力上「留了一手」

为什么重要

• 量化数据使「安全对齐 vs 能力上限」的取舍变得可评估：同一模型未削减 checkpoint 与发布版相差近 10 分
• 配套开源原则表明这是长期策略而非一次性决定，后续开放权重版本的 cyber 能力将按此原则渐进放开
• 对依赖开源模型做漏洞研究、攻防评测的用户，K3.1 Pro 的 cyber 表现需按被压制后的水平预期

2026-10-24 ~ 2026-10-24 · 11 条相关

• 月之暗面自曝：为开源版 K3.1 Pro 专门删减网络安全训练数据 — teortaxesTex · 2026-10-24
• 【源头】Kimi K3.1 Pro 网络安全能力遭削弱:移除数据后基准从 90.5 降至 81.0 — teortaxesTex · 2026-10-24
• 月之暗面公布开源原则:不发布推高网安前沿的权重,渐进放开能力 — teortaxesTex · 2026-10-24
• 【源头】Moonshot 官方：K3.1 Pro 网络攻击能力被刻意压低，低于专有前沿模型 — dejavucoder · 2026-10-24
• Kimi K3.1 Pro 被有意削弱网络攻击能力，ExploitBench 仅 74.7 分 — bookwormengr · 2026-10-24
• Moonshot 刻意削减 Kimi K3.1 网络攻防能力，Exploitbench 仅 74.7 分 — bookwormengr · 2026-10-24
• 月之暗面 Kimi 训练中移除网络安全数据以防攻击能力外溢 — AashaySachdeva · 2026-10-24
• 【源头】Moonshot 公开 K3.1 网络安全能力评分，开源版移除网络攻击数据 — cedric_chee · 2026-10-24
• Kimi K3.1 Pro 开源版删除网络攻击相关训练数据以降低滥用风险 — nrehiew_ · 2026-10-24
• 曝月之暗面开源前削弱 Kimi K3.1 Pro 破解能力：90.5% 降至 81% — rohanpaul_ai · 2026-10-24

另有 1 条近重复转述:scaling01