黑客能力有所减弱，模型实力依然更强
北京初创公司月之暗面（Moonshot AI）表示，在计划于2026年11月4日前发布模型文件之前，已削弱Kimi K3.1 Pro的攻击性黑客能力。这些调整使模型在一项内部软件漏洞利用测试中的得分从90.5%降至81.0%，但仍远高于前代模型的33.3%。
目录
月之暗面于10月23日发布K3.1 Pro，并在10月24日的声明中介绍了相关限制措施。该公司通过移除用于教授特定网络技能的材料，同时保留模型在软件开发和修复方面的通用编程能力，来实现这一目标。
这一消息发布前八天，中国商务部和科技部提出了新的技术出口管制措施。相关提议将禁止出口利用人工智能生成和修改恶意代码的技术，同时限制出口利用人工智能发现软件漏洞的技术。
月之暗面的这次发布将两个问题交织在一起：可广泛下载的模型应具备多强的黑客能力，以及政府应如何监管既能帮助软件防御者、也能帮助攻击者的技术。
月之暗面在解释此次发布拟定的边界时表示：
我们的目标是不发布会突破网络能力绝对前沿的开放权重模型。
该公司的权重文件包含模型学到的内容。公开这些文件后，外部开发者可以在自己的电脑上运行和修改模型。这让用户拥有更多控制权，但模型副本传播后，月之暗面管理访问权限或调整安全防护措施的能力也会减弱。
月之暗面移除了什么
月之暗面表示，网络安全材料通过两种途径进入模型开发过程：一是在中间训练阶段使用的通用训练数据集中，二是在强化学习环境中加入的网络安全任务中。强化学习通过反复尝试任务并根据表现获得反馈来改进模型。
该公司从这两个阶段中移除了网络安全材料，同时保留通用编程内容。其内部测试名为xdev-bench-hard，用于评估模型能否复现近期披露的软件漏洞，并开发利用这些漏洞的方法；测试最多允许尝试三次，成功即计入成绩。
测试涵盖Linux内核、Node.js和JavaScriptCore等软件中的漏洞。这些组件用于运行操作系统、服务器应用程序和JavaScript代码。漏洞利用是指将软件弱点转化为某种操作的方法，例如获取访问权限，或使程序以非预期方式运行。
经过筛选后，K3.1 Pro的得分下降了9.5个百分点，从90.5%降至81.0%。DeepSeek V4.1-Flash在同一项内部对比测试中得分为85.7%，高于经过筛选的Kimi模型。
前代模型Kimi K3的得分为33.3%。因此，经过筛选的后继模型仍高出47.7个百分点，显示即使经过针对性削减，其处理此类任务的能力也已有大幅提升。
通用编程能力为何仍与黑客能力相关
月之暗面将模型仍具备的网络能力部分归因于其通用编程和长流程调试能力的提升。能够检查代码、跨多个文件追踪故障并测试修复方案的模型，也能将这些技能用于发现和利用漏洞。
该公司在发布博客中这样解释两者的关系：
它较前代模型有显著提升，说明即使移除特定数据，更强的通用编程和长流程调试能力仍可迁移到网络安全任务中。
软件防御者可以利用这些能力检查长期缺乏维护的旧系统，这是月之暗面支持开放权重的理由之一。机构可以在本地运行模型，检查自己负责维护的软件。
攻击者也能利用类似能力寻找弱点，并将入侵过程中的部分环节自动化。因此，实际问题不只是模型是否接触过明确的恶意示例：实用的编程技能也可能迁移到攻击性工作中。
月之暗面的xdev-bench-hard测试尚未公开，测试结果也未经过独立验证。该公司也没有说明，外部开发者进一步训练模型后，能否恢复发布前移除的能力。对于一个用户能够修改其文件的模型，这些都是评估时的关键问题。
政府测试如何评估Kimi K3
英国人工智能安全研究所和美国人工智能标准与创新中心此前对Kimi K3进行了评估。该模型于2026年7月16日发布，原定于7月27日开放权重。双方发布的联合网络安全评估为了解其前代模型提供了独立参考。
K3在ExploitBench上的得分为32%，GLM-5.2为24%。该基准由卡内基梅隆大学开发，用于测试模型利用V8中41个漏洞的进展。V8是Chrome中运行JavaScript和WebAssembly的软件引擎。
K3在41个样本中均未实现任意代码执行。领先模型平均能在20个样本中做到这一点。任意代码执行是指让目标运行攻击者指定的命令，后果尤其严重，因为这可能使攻击者获得控制权。
研究机构还在The Last Ones模拟企业网络中测试了K3。该网络包含约20台电脑，分布在四个网段。测试包含32个连续攻击步骤，人类专家完成整个测试大约需要20小时。
在最多使用1亿个token的限制下，K3平均推进至第17步；GLM-5.2为第11步，美国领先模型为第28.5步。K3在10次尝试中有1次完成了整个测试。能力最强的模型则在10次尝试中完成了6次或7次。
如何看待测试的局限
英国和美国的研究机构表示，在评估期间，K3的安全防护允许它尝试开发漏洞利用工具和开展攻击性网络行动。评估结果显示，K3的能力高于此前开放权重模型中的领先者，但低于受测模型中能力最强的模型。
The Last Ones测试从已获得网络初始访问权限开始。测试中有一条预设的攻击路径，没有活跃的防御人员或防御工具，也不会因触发安全警报的行为而受到惩罚。这些条件为模型提供了一个结构化环境，让它可以专注于实施攻击。
研究机构将这些评估称为初步且有选择性的测试。K3的总体能力估计来自一项基准测试，因此与在更广泛任务范围内评估的模型相比，统计不确定性更大。
在测试美国闭源权重模型时，研究人员关闭了系统安全防护，以便减少拒绝回答的情况，测量其最大能力；公开版本则启用了这些防护。因此，读者比较测试结果时，需要同时考虑模型本身的能力，以及访问模型所用服务附带的控制措施。
K3.1 Pro新公布的81.0%成绩来自月之暗面的另一项内部测试。在同一测试中，前代模型得分为33.3%，因此两者在该测试中的比较最有参考价值。对新版本开展独立评估，将为安全团队判断其能力提供更可靠的依据。
中国拟实施禁令和限制措施
中国两个部委于2026年10月16日发布第48号公告。公告就修订《中国禁止出口限制出口技术目录》征求意见，意见提交期限截至11月15日。
拟新增的目录涵盖40项技术：人工智能领域23项、生物医药领域5项、太阳能制造领域12项。在这三个领域中，14项技术拟禁止出口，另有26项拟限制出口。
人工智能类别包括大模型、智能体、计算集群和信息处理。智能体是指能够使用工具、围绕目标连续执行一系列操作的系统，而非只回答单个问题。
拟禁止出口的技术包括利用人工智能生成和修改恶意代码的技术；拟限制出口的技术则包括利用人工智能发现漏洞的技术。两者区别重大：禁止出口意味着不得出口相关技术，限制出口则意味着相关转移行为将受到出口管制。
商务部的政策解读称，这些技术可能被用于攻击关键信息基础设施、国防工业系统和政府核心系统，或绕过安全防护。商务部表示，此次修订属于常规技术贸易管理，不针对任何特定国家、地区或实体。
最终规则出台前开始登记
中国拟修订的目录仍在征求意见，但临时登记要求已于10月16日公告发布时生效。修订后的目录正式实施前，出口经营者须对相关技术转移进行登记。已经开始但尚未完成的转移也在登记范围内。
公告列出几种适用情形：将技术所有权转移至境外、许可境内技术在境外使用，以及导致境内技术的所有权或实际控制权转移至外国主体手中的变更。
出口经营者须通过商务部统一业务平台上的技术贸易申请系统办理登记，并提供出口方和接收方、目的国家或地区、技术内容、预期用途及预计出口金额等信息。
商务部还区分了技术转移和服务访问。根据该部对拟议规则的解释，在境外本地部署受限制的人工智能技术将纳入出口管理。部分安排，例如在企业自有的境外云平台上部署，可能适用自动许可程序。
根据该解释，通过API、应用程序、网站或软件即服务提供模型访问，不属于大模型技术出口类别。本地设备上的轻量化部署也不在该类别之列。API允许一个计算机程序向另一个程序请求服务，客户因此可以使用模型，而无需获得其底层文件。
开放发布有不同的适用方式
中国公告将已通过开源发布或学术论文进入公共领域的技术排除在外。商务部还提到，对于涉及开放发布、境外科研合作及相关活动的部分人工智能技术出口，可适用自动许可和其他简化程序。
因此，发布和转移方式与技术能力同样重要。根据公告所述框架，提供托管模型的公司、将受限技术转移至境外部署的公司，以及分发已进入公共领域技术的开发者，可能面临不同的处理方式。
月之暗面计划发布模型权重，因此这些区别可能影响其国际业务范围。政府尚未在这些文件中公开对K3.1 Pro的分类，最终目录的实施日期也尚未公布。
接下来的日期让发布计划与政策进程几乎同步推进：
- 2026年7月16日：Kimi K3发布，原定于7月27日开放权重。
- 10月16日：中国发布第48号公告，启动征求意见并开始实施临时出口登记。
- 10月23日：月之暗面发布K3.1 Pro。
- 10月24日：月之暗面介绍了其削弱模型攻击性网络能力的措施。
- 11月4日：月之暗面计划发布K3.1 Pro的权重文件。
- 11月15日：针对拟议出口目录修订的公众意见征集结束。
能力更强，使用成本更低
K3.1 Pro的全面发布有助于解释为何其网络能力的影响不止于专业安全工作。该模型总参数量为2.8万亿，激活参数量为1040亿，属于月之暗面所称的约3万亿参数级别。参数是模型在训练过程中学到的数值设置。
该模型的上下文窗口为100万个token，可处理文本和图像。Token是系统处理的信息片段；上下文窗口越大，模型就能在单项任务中处理越多内容。月之暗面还提供K3.1 Pro Highspeed，并称其运行速度快两到三倍。
标准API价格从每百万输入token 3美元降至2美元，从每百万输出token 15美元降至10美元，降幅为三分之一。缓存输入，即重复使用先前已处理的内容，价格从每百万token 0.30美元降至0.20美元。Highspeed版本的价格为每百万输入token 4美元、每百万输出token 20美元。
Artificial Analysis的智能指数给K3.1 Pro打出55分，排名第四，比K3高11分，比58分的Claude Opus 5.5低3分。月之暗面的终端编程对比测试中，K3.1 Pro得分为65.7%，接近Opus 5.5的66.4%。但在科学领域的终端任务中，月之暗面公布K3.1 Pro得分为38.1，低于GPT-6 Astra的68.1和Opus 5.5的63.3。
月之暗面还公布了不同测试中的不同错误率。其发布博客称，模型编造或给出错误说法的比例为8.3%，低于K3的23.4%；API快速入门指南给出的比例为6.85%，低于23.35%，但采用的是另一组对话数据。这两份文件介绍的都是专门测试，客户在实际工作中仍需核实答案。
对开发者和安全团队而言，眼下最直接的变化是能够以更低的token价格使用更强的编程和自动化能力。对月之暗面而言，发布权重将使更多部署、修改和安全防护方面的决定权转移到下载模型的机构手中。
要点
- 月之暗面称，移除网络安全训练材料后，K3.1 Pro在内部漏洞利用测试中的得分从90.5%降至81.0%。
- 经过筛选的模型在同一测试中的得分仍远高于Kimi K3的33.3%。
- 这项内部基准测试尚未公开，新公布的结果也未经过独立验证。
- 英国和美国此前的测试发现，K3在10次尝试中有1次完成了模拟企业网络攻击。
- 中国拟禁止出口利用人工智能生成恶意软件的技术，并限制出口利用人工智能发现漏洞的技术。
- 临时出口登记于10月16日开始，公众意见征集将于11月15日结束。
- 月之暗面计划在11月4日前发布K3.1 Pro的权重文件，让外部开发者更大程度地掌控模型的使用方式。
