专题 · FULL STORY

Kimi K3.1 Pro 网络攻防能力：自曝削弱与内部基准曝光

月之暗面在 Kimi K3.1 Pro 技术报告中自曝,训练语料与 RL 环境天然混入网络安全内容,使模型漏洞利用能力大增,团队因此主动削弱其网络攻击能力;随后内部基准 xdev-bench-hard 数据流出,印证该模型在漏洞挖掘上的跃升,引发关注。

2026-10-24 ~ 2026-10-25 · 2 集 · 22 条

第 1 集 · 月之暗面自曝削弱 Kimi K3.1 Pro 网络攻击能力(2026-10-24,20 条)

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，以非歧视方式提供。@teortaxesTex 称之为「来自 Kimi 的 d/acc」——跟随前沿但克制
  • @robleclerc 分析了这一做法的动机：开放权重模型的后训练护栏可被下游微调轻松移除，因此 Moonshot 选择在中后训练阶段直接删除网络攻击数据而非加装护栏；据其转述，内部保留具备完整 cyber 能力的更强版本
  • @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」
  • @eliebakouch 提出一个被社区低估的视角：K3.1 Pro 是首个把开放权重网络攻击/防御能力推向前沿的开源实验室，为其他实验室达到同等能力时做出同样选择树立了先例；他同时反驳「不限制反而公关更好」的说法，认为若 Kimi 不 nerf 网络攻击能力，虽会获得更大声量，但那是另一种选择

尚未确认

  • @zxyzyxz 转述 Reddit 讨论称，删除网络攻击数据的原因包括中国新出台的出口管制限制；这一动机说法仅见于该转述，未在 Moonshot 官方材料或其他帖子中得到印证。另有质疑观点（@eliebakouch 帖下讨论）认为开放此类能力会让世界只能依赖美国闭源实验室快速扩散防御能力，属争议而非事实；Polymarket 快讯评论区还有用户担忧此举可能连带削弱模型编写安全代码的能力，同样只是猜测

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
  • 采用删除数据而非加装护栏的路线，说明开放权重厂商在面对可被微调绕过的安全护栏时的现实选择，且内部保留完整能力版本的做法引发开放性与安全的边界讨论
  • 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；@eliebakouch 认为先例效应将影响其他实验室的同类决策
  • 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

第 2 集 · Kimi K3.1 Pro 内网漏洞挖掘能力大幅跃升(2026-10-24,2 条)

ricklamers 转述 Moonshot 内部基准 xdev-bench-hard 的数据：Kimi K3.1 Pro 在网络漏洞利用基准上的 pass@3 从 33% 提升至 81%，内网安全挖洞能力显著上涨。随后他又转发原推并附上 BenchLM 页面全文，信息与原帖及配图完全一致，再度引发对该成绩的关注。