Kimi K3 在利用开发上胜过 GLM-5.2，但端到端仍未攻成
kevinsxu · x · 2026-07-28
这条转引的是 Kimi K3 论文里的网络安全评测结果，重点是模型在 exploit 开发上的具体表现。
- 论文称，英国 AI Security Institute 和 NIST CAISI 的独立联合评估结论与其一致。
- 在 ExploitBench 上，Kimi K3 的得分为 32%，高于 GLM-5.2 的 24%。
- 在一个模拟企业网络任务上，它需要 17 步，而人类专家大约要 20 小时。
- 但在端到端 exploit completion 上，它仍落后于前沿 cyber-capable 模型，41 个任务里 0 个实现任意代码执行。
这条的看点是：中美相关机构在这类安全能力评测上居然给出了相近结论。
所属事件:Kimi K3网络安全评测：能挖漏洞但易被越狱(4 条相关)→
「模型」频道最新
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11