Kimi K3.1 Pro: хакерски умения, свалени по вътрешен тест

преди 7 дни

време за четене: 4 мин.

Китайската Moonshot пусна на 23 октомври Kimi K3.1 Pro и обеща, че до 4 ноември всеки ще може да изтегли файловете му. Компанията казва, че преди това е махнала от обучението данните за кибератаки, за да не даде свободно на всички модел, който пробива софтуер по-добре от досегашните. Доказателството за това е тест, който никой извън компанията не може да повтори.

В светла лаборатория робот с гордост показва на жена инспектор ниска летва за висок скок, която току-що е сложил, а зад гърба му по-висока летва все още стои на стойките и мъж колега я посочва с вдигнати вежди.

Какво пусна Moonshot

K3.1 Pro е доработена версия на Kimi K3, допълнително обучена след основното обучение. Моделът работи с контекст от един милион токена и вече е достъпен в приложенията на Kimi, в Kimi Work, в Kimi Code и през API. Заедно с него излиза и вариант Highspeed, който по думите на компанията е два до три пъти по-бърз от основната версия.

По данните на Moonshot на Terminal-Bench 4.0, тест за агенти, които програмират в терминал, моделът постига 65,7%. Това го поставя пред GPT-6 Astra с 58,2% и малко зад Claude Opus 5.5 с 66,4%. Тези числа са на производителя.

Независимо измерване все пак има. Artificial Analysis дава на K3.1 Pro 55 точки в своя общ индекс при медиана 27 за сравнимите модели, а цената през API е 2 долара за милион входни и 10 долара за милион изходни токена. Според The Decoder това го нарежда четвърти след Claude Opus 5.5, Claude Sonnet 5.5 и Muse Wonder Full. По независимото измерване това е един от най-силните модели, които скоро ще бъдат свободни за изтегляне.

Хакерски умения: какво махна Moonshot от обучението

Компанията описва проблема открито. С растежа на обучението растели и уменията на модела да открива и използва уязвимости. Причината била, че съдържание за кибератаки стои вътре в общия корпус от данни и в част от задачите, с които моделът се обучава с подкрепление. За отворената версия Moonshot е махнала тези данни и от двата етапа, като е запазила общите задачи по програмиране.

Ефектът е измерен с вътрешния тест xdev-bench-hard. Той съдържа задачи, подбрани от експерти, които повтарят наскоро разкрити уязвимости в ядрото на Linux, Node.js и други програми. Моделът трябва да напише работеща атака и да вземе скрит низ от отделна изолирана среда. Версията без почистване решава 90,5% от задачите при три опита. Публикуваният модел решава 81%.

Тези хакерски умения остават много над тези на предшественика. Според The Next Web K3 решава 33,3% от същия тест, а K3.1 Pro след почистването - 81%. Moonshot сама пише, че моделът е значително по-добър от предшественика си в тази област. Принципът ѝ е да не пуска отворени файлове, които разширяват абсолютния връх на нападателните възможности, и казва, че моделът остава под затворените водещи модели, достъпни поне от три месеца.

Нашият анализ: ограничение, което проверява само производителят

Implicator обръща внимание на две неща. Тестът xdev-bench-hard не е публикуван, така че резултатът не може да бъде повторен извън компанията. Блогът на Moonshot не казва и дали допълнително обучение от трета страна може да върне махнатото.

Към това The Next Web добавя ограничение, което е по-важно от числата. Отворен модел не може да бъде изтеглен обратно, след като веднъж е свален. При затворен модел ограничението може да се затяга постепенно. При отворен то е такова, каквото е в деня на публикуването.

Има и по-дребно разминаване. Делът на измислените твърдения в собствения стрес тест на Moonshot пада от 23,4% при K3 на 8,3%, но според Implicator друг документ на същата компания дава 6,85%. Компанията сама уточнява, че тестът е нарочно труден и не показва грешките при обикновена употреба.

Какво значи това за екипите

За организация, която обмисля собствен хостинг, K3.1 Pro е сериозен кандидат за програмиране и агентна работа. Независимото измерване подкрепя това, а моделът ще може да работи върху собствена инфраструктура.

Твърденията за безопасност обаче се четат като обявление на производителя, не като проверен факт. Екипите по сигурност могат да ползват точно тази способност за проверка на собствения си код, включително на стари системи, които рядко минават преглед. Същата способност е налична и за всеки друг, който изтегли файловете. Преди внедряване моделът се изпитва върху собствените задачи и собствените правила за достъп, а не по таблицата в обявлението.

Заключение

Kimi K3.1 Pro доближава отворените модели до най-силните затворени. Обещанието, че хакерски умения са свалени, стъпва на тест, който засега вижда само Moonshot, а отвореният модел не може да бъде върнат обратно, ако обещанието се окаже по-слабо от очакваното.

Искате да започнете с AI от нулата? Безплатният курс „Основи на AI“ е 17 видео урока, около 35 минути, със сертификат: Започнете безплатния курс по AI

Помагаме на български организации да изберат и изпитат отворени модели за собствен хостинг, преди да ги допуснат до кода и данните си. Услугите ни покриват одит, оценка на готовност, обучение на екипи и имплементация на специализирани AI автоматизации за всяка организация. Препоръчваме консултация, когато отворен модел трябва да получи достъп до вътрешни системи или да проверява собствен код за уязвимости. [Свържете се с нас за консултация: academy@razvivai.se]