Vitalik Buterin接受Kimi 3.1在训练数据中故意排除顶端进攻性网络能力

Vitalik Buterin表示，他接受Kimi 3.1在训练数据中故意排除顶端进攻性网络能力。他认为，针对使用场景的区分远优于针对用户的区分，世界需要时间强化旧代码、正式验证新代码，以应对更强网络攻击。

Moonshot AI在发布Kimi K3.1 Pro时表示，已从训练语料与强化学习环境中移除网络相关数据，同时保留通用编程能力。公司称，其内部漏洞利用基准测试中，过滤后模型得分为81.0%，未过滤版本为90.5%。该模型计划于11月4日前发布开源权重。

原始来源：

标题：Vitalik Buterin X帖文发布者：vitalik.eth (@VitalikButerin) 发布日期：2026-10-25 URL：https://x.com/VitalikButerin/status/2114534202788225513 来源性质：社交媒体帖文核验情况：本次读取公开内容支持内容：直接引用其对Kimi 3.1限制网络能力的观点
标题：Moonshot curbs hacking ability in new Kimi model 发布者：Reuters 发布日期：2026-10-24 URL：https://www.reuters.com/technology/moonshot-curbs-hacking-ability-new-kimi-model-fears-grow-over-ai-powered-2026-10-24/ 来源性质：新闻报道核验情况：本次读取支持内容：Moonshot移除网络数据、内部基准测试81.0%对90.5%、开源权重计划

ABAB AI 解读

Moonshot选择在开源权重发布前主动降低模型的进攻性网络能力。开源后开发者对模型使用的控制能力下降，公司通过数据过滤而非使用后限制来管理风险。该做法将能力边界前置到训练阶段。

Vitalik将此与用户身份限制区分开。他指出，若早期AI网络风险处理不当，可能导致模型高度锁定、KYC门槛与基于国籍或凭证的访问分级。针对使用场景的过滤保留了模型对更多用户的可获取性。

内部测试显示，过滤后模型仍显著优于前代版本。公司同时表示，未来可能逐步提升开源权重中的网络能力，以支持防御性用途。实际效果取决于开源后社区对模型的修改与部署方式。

ABAB News · 认知定律