Kimi K3 在 ExploitBench 得分 32%，41 个样本无一达成 ACE
xeophon · x · 2026-07-24
这条帖子引用了 ExploitBench 上关于 Kimi K3 的漏洞利用开发评测结果。
关键信息包括：
- Kimi K3 在 ExploitBench 上得分 32%
- 在 41 个样本里，0 个样本达成 任意代码执行（ACE）
- 引用者的判断是：K3 最好一次大致接近 Mythos Preview，平均表现则介于 Claude Opus 4.6 和 Mythos Preview 之间
配图里还列出了多款模型的横向比较，包括 GPT-5.5 (Codex)、Claude Mythos Preview、Claude Opus 4.7、Gemini 3.1 Pro Preview，并展示了 tier reach、cap coverage、mean cap、环境数、episode 数和花费等指标。
所属事件:Kimi K3 网络安全评测引争议：得分仅 32.2%(5 条相关)→
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11