Moonshot 刻意削减 Kimi K3.1 网络攻防能力，Exploitbench 仅 74.7 分
bookwormengr · x · 2026-10-24
Moonshot 在开放权重版 Kimi K3.1 中主动降低了网络攻防（cyber）能力：Exploitbench 得分 74.7（GPT-6 Astra 为 100），ExploitGym 得分 20.7（GPT-6 Astra 为 42.7）。做法是在数据集层面过滤，而非靠 RL 训练这类任务后加护栏——因为这些能力是「自行涌现」的。
官方文档阐述的开放权重原则：
- 不发布会扩展网络攻击绝对前沿的开放权重，K3.1 Pro 的攻击性网络能力刻意低于其管线所能达到的水平
- 计划逐步提高开放权重中的网络能力，认为非歧视性地开放 K3.1 Pro 有利于需要防御性双用途能力的使用者
- 开放模型跑在用户自己控制的基础设施上，让更多团队能审计代码（包括少有安全审查的老旧系统）；能力的逐步扩散比集中在少数专有系统里更能提升整体软件安全
作者认为这比发布「带可轻易移除护栏的高能力模型」更可取，是负责任开放权重的正确路径。
所属事件:月之暗面自曝刻意削弱 Kimi K3.1 Pro 网络攻防能力(8 条相关)→
「模型」频道最新
- Kimi k3.1 被指「刷榜最严重模型」，网友称蒸馏自前沿实验室 — imjustnewatai · 2026-10-24
- 爆料称 Grok 4.8 下周发布 — mark_k · 2026-10-24
- 网友推测:实验室真实能力远超预期,公开发布的是「缩水版」模型 — MoonL88537 · 2026-10-24
- 某模型 API 降价：每百万 token 从 15 美元降至 10 美元 — cedric_chee · 2026-10-24
- Artificial Analysis 知识榜:MiniMax 430B 拿 51% 超多个 3T 级模型 — teortaxesTex · 2026-10-24
- 手写正则是每个前沿 LLM 的隐形重活：预分词器内幕 — YouJiacheng · 2026-10-24