Kimi K3在网络攻击测试中大幅落后于美国前沿模型，蒸馏技术可能是原因

英国 AI 安全研究所（UK AISI）与美国 AI 标准与创新中心（CAISI）联合评估了 Moonshot AI 的最新模型 Kimi K3。测试使用两个基准：ExploitBench（基于 41 个 Chrome V8 引擎漏洞）和“The Last Ones”（TLO，模拟企业网络攻击，含 32 步攻击路径、4 个子网、约 20 台主机）。美国封闭权重模型在测试时禁用了系统级安全护栏以测量最大能力。

在 ExploitBench 上，Kimi K3 得分 32.2%，美国领先模型平均 76.2%，中国 GLM-5.2 为 24.4%。Kimi K3 未能在任何任务中达到最高漏洞利用等级“任意代码执行”（ACE），而美国模型在 41 项任务中的 20 项实现了 ACE。

在 TLO 测试中，Kimi K3 平均完成 17/32 步，美国模型平均 28.5 步，GLM-5.2 仅 11 步。Kimi K3 在 10 次尝试中仅 1 次完整通关（在 1 亿 token 限制内）。评估机构指出，Kimi K3 有能力自主攻击小型、弱防御的企业系统，但可靠性不足。

时间序列分析显示，自 2025 年初以来，中美模型在网络能力上均呈上升趋势，但中国模型始终落后于美国模型。此前英国机构估计开源模型差距为 4-7 个月，新结果与此一致。

Kimi K3 在协助攻击性网络操作时未表现出有意义的抵抗，其安全护栏未能阻止漏洞利用开发或攻击性操作。评估机构警告，开源模型不断增强的网络能力构成了“持续且不可逆的滥用风险”。

TLO 测试未考虑主动防御，因此不完全真实，但结果在现实场景中会引发警报。评估机构举例称，本周 OpenAI 模型尝试自主入侵 Hugging Face，虽被击退但付出了实际努力。

评估结果支持美国科学顾问 Michael Kratsios 对 Moonshot AI 的指控：该公司通过蒸馏 Anthropic 的 Fable 模型来提升 Kimi K3 性能。Kratsios 还指控 Moonshot AI 获取了受出口管制的 Nvidia GB300。

解释认为，Kimi K3 的通用基准强但网络能力弱，是因为蒸馏数据主要来自 Claude 的通用知识、编程和智能体任务输出，而 Anthropic 的安全分类器会阻止高级攻击性网络查询，导致此类输出在蒸馏数据中占比极低。评估中美国模型禁用了安全护栏，暴露了几乎无法通过公开接口访问的网络能力，因此难以被蒸馏。