Kimi 3.1 主动约束网络攻击能力，引发开源路线分歧争论

资讯零壹财经零壹财经 2026-10-27 阅读：153

关键词：kimi 网络安全 开源模型

模型能力与安全的权衡

近日，月之暗面正式发布 Kimi K3.1 Pro，这款 3 万亿参数级的旗舰模型计划在 11 月 4 日前开放权重，支持本地部署。

在正式开放权重之前，团队做出一项特殊的安全调整：主动从中期训练语料与强化学习任务环境中剔除高端网络攻击、漏洞利用相关内容，压低模型生成高危漏洞利用代码、构造攻击载荷的能力上限，同时保留通用编程能力。

内部自研基准 xdev-bench-hard（pass@3）测试显示，未经过处理的对照版本漏洞利用任务通过率可达 90.5%，调整后版本下降至 81%，降幅为 9.5 个。这项 “自削高危能力” 的选择一经披露，便在国内外安全圈、开源社区和 AI 研究者群体中引发广泛讨论。

国内白帽安全与 AI 安全社区出现了不少不同看法。

部分从业者在技术社区、安全社群中提出，漏洞 POC 编写、漏洞复现、可利用性验证，是白帽攻防研究、漏洞治理里的重要环节。他们担忧，如果模型在出厂阶段就压制高阶攻击相关能力，会抬高正规安全研究者开展漏洞验证、攻防演练的成本。

也有开发者提到，权重一旦对外放出，厂商就失去了对模型的直接控制权，第三方完全可以通过二次微调、补充攻防数据集，重新恢复被削弱的攻击能力，这类限制只是抬高作恶门槛，很难从根源上解决风险。

还有观点提出，厂商主动裁剪模型原生能力，若形成行业先例，未来或有更多模型厂商以安全名义删减底层能力，损害开源模型的技术完整性。

海外同样出现多元观点。以太坊联合创始人 Vitalik Buterin 是最受关注的支持者，他在X平台发文明确认可月之暗面的做法，认为直接在模型侧针对场景做能力约束，远优于依靠 KYC、身份审核筛选用户。

他同时发出警示，如果 AI 风险处置失当，行业有可能滑向更严苛的管控路径：模型全面上锁、访问强制核验身份，甚至依据国籍、身份凭证划分 AI 访问权限，形成分层式的使用壁垒。

AI 安全研究者 Marcus Schuler 在 Implicator.ai 的报道中提出中立偏怀疑的看法：这次能力削减的效果，完全依赖月之暗面内部未对外公开的漏洞测试集，外部独立团队还没有办法复现验证这个 9.5 个百分点的降幅；同时只要权重开放，攻击者存在绕过约束的潜在路径，不宜高估这次修改的风险缓释效果。

开源安全领域也有同类顾虑： “防御性漏洞研究” 和 “攻击性利用” 在技术上极难精准切割，针对攻击能力的过滤，很容易连带误伤安全审计相关能力，对防御侧研究者并不友好。

月之暗面本身也阐释了自己的立场：他们的原则是不希望开放权重模型直接推进攻击性网络安全能力的最前沿，选择渐进式释放攻防相关能力；团队同时认为，保留通用编码能力、开放权重，方便企业在自有可控环境下审查老旧遗留代码，长期来看有利于基础设施安全加固。

这件事本质上撕开了前沿开源 AI 两条完全不同的安全路线分歧：一条路线主张在模型出厂阶段主动约束高危能力，以此换取开放权重、低门槛使用的空间；另一条路线坚持模型能力完整交付，风险交给法律约束、使用者自律以及访问权限管控兜底。

两条路线都存在明显短板，不存在完美方案，Kimi 这次尝试，相当于在开源浪潮和 AI 驱动网络攻击风险之间，完成了一次公开、值得持续观察的行业试验。

专题推荐：金融毛细血管

零壹智库推出“金融毛细血管系列策划”，通过系列文章、系列视频、系列报告、系列研讨会和专著，系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。