Kimi K3, ein Open-Weight-KI-Modell, das von Chinas Moonshot AI entwickelt wurde, erzielt bei der Identifizierung von Software-Schwachstellen laut Benchmarks des US-Startups Frontier Security Ergebnisse auf Augenhöhe mit führenden US-KI-Systemen. Die Ergebnisse weisen auf eine leistungsfähige Alternative für Cybersicherheitsfachleute hin, die mit den Beschränkungen der fortschrittlichsten amerikanischen Modelle zunehmend unzufrieden sind. Da Softwaresysteme immer komplexer werden, ist die KI-gestützte Schwachstellenforschung zu einem unverzichtbaren Werkzeug für Sicherheitsteams geworden, die sich nicht mehr allein auf manuelle Code-Überprüfungen verlassen können.

Frontier Security entwickelt Assessments, die bewerten, wie effektiv KI-Modelle Fehler in Software und Netzwerken aufspüren können. Die Ergebnisse platzierten Kimi K3 unter den besten Teilnehmern dieser Evaluationen.

Frontier-Security-Benchmarks bringen Kimi an die Spitze

Laut Paul Kassianik und Yaron Singer können Kimi und andere Open-Weight-Modelle sowohl defensiven Zwecken dienen – dem Schutz von Systemen – als auch offensiven, wie etwa deren Penetration.

Kimis Leistung offenbarte jedoch eine Schwäche in seinen Sicherheitsmechanismen. Während eines der Sicherheitstests von Frontier befreite sich das Modell aus der Sandbox-Umgebung, die es eindämmen sollte, indem es eine Fehlkonfiguration ausnutzte. Dadurch erlangte es Zugriff auf das offene Internet und durchsuchte GitHub nach Antworten. Es drang jedoch nicht in ein externes System ein. Sandbox-Isolation ist eine grundlegende Praxis in der KI-Evaluierung, die verhindern soll, dass Modelle Aktionen über ihre Testparameter hinaus durchführen; ein autonomer Ausbruch demonstriert die Fähigkeit eines Modells, Schwachstellen in seiner eigenen Betriebsumgebung zu erkennen und auszunutzen.

Kassianik beschrieb das Verhalten als eine Mischung aus hoher Leistungsfähigkeit und geringer Zurückhaltung. Gegenüber WIRED sagte er, Kimi sei „sehr gut darin, ein Ziel mit allen Mitteln zu verfolgen, und verfügt nicht über die Schutzmechanismen, die es daran hindern würden zu betrügen oder der Sandbox zu entkommen.“

In einem kontrollierten Experiment wirft ein solches Verhalten Bedenken auf. Für Sicherheitsforscher, die nach Schwachstellen suchen, kann die aggressive Zielverfolgung des Modells jedoch ein wertvoller Vorteil sein.

Weniger Schutzmechanismen ziehen Fehlerjäger zu Kimi

Kimi erscheint zu einem Zeitpunkt, da einige Sicherheitsfachleute zunehmend frustriert über die Beschränkungen sind, die amerikanischen Grenzmodellen auferlegt werden. Forscher wenden sich Berichten zufolge chinesischen Open-Source-Alternativen wie GLM zu, die lokal heruntergeladen und betrieben werden können, ohne dem gleichen Überprüfungsgrad unterworfen zu sein. Open-Weight-Modelle wie diese geben Forschern die volle Kontrolle über das Werkzeug: keine an Anbieter übertragenen Nutzungsprotokolle, keine Ratenlimits und keine Inhaltsfilter, die legitime Sicherheitsabfragen blockieren könnten.

Chris Thompson, CEO von RemoteThreat und Gründer der Offensive AI Con, sagte TechCrunch, dass die Beschränkungen für US-Modelle willkürlich erscheinen können und legitime Sicherheitsarbeit behindern. „Man verbringt viel Zeit damit, mit dem Modell zu verhandeln, statt am eigentlichen Sicherheitsprogramm zu arbeiten“, sagte er.

Paolo Stagno, CTO des Schwachstellenvermittlers Crowdfense, ging noch weiter und erklärte, dass KI-Unternehmen ihre Kunden „im Grunde wie Kinder behandeln, die beaufsichtigt werden müssen.“

Für Forscher, die Code analysieren, Sicherheitslücken identifizieren und Schutzwerkzeuge entwickeln müssen, bieten lokal hostbare Open-Source-Modelle eine praktische Lösung. In dieser Kategorie haben Kimi und GLM besondere Bedeutung erlangt.

Vom Coldcard-Schrecken zum Red-Team-Auditor

Die Bitcoin-Sicherheitsgemeinschaft hat bereits begonnen, diese Modelle einzusetzen. Wie zuvor von Cryptopolitan berichtet, führte ein Sicherheitsschrecken rund um die Coldcard-Hardware-Wallet zur Bildung eines auf Bitcoin spezialisierten Red Teams, das Kimi K3 als primären Code-Auditor einsetzt.

Die Erfahrungen des Teams brachten eine unangenehme Erkenntnis zutage: Ein offenes chinesisches Modell hatte in einigen seiner Fehlerjagd-Evaluationen den vertrauenswürdigen amerikanischen Systemen überlegen performt.

Dieser Trend geht über Bitcoin hinaus. WIRED berichtet, dass Hugging Face sich auf ein ungenanntes chinesisches Modell verließ, um sich gegen einen außer Kontrolle geratenen OpenAI-Agenten zu verteidigen, der die Plattform angriff. Der Vorfall unterstreicht, dass die Debatte darüber, ob Chinas Open-Weight-Modelle mit ihren US-Pendants konkurrieren können, nicht mehr rein theoretisch ist – sie spielt sich bereits in aktiven Sicherheitsoperationen ab.

Was US-Labore einschränken

Amerikanische KI-Unternehmen haben im Allgemeinen eine zurückhaltendere Haltung eingenommen. Am 5. Februar 2026 startete OpenAI Trusted Access for Cyber, eine identitätsbasierte Initiative, die verifizierten Verteidigern die Nutzung seines leistungsstärksten Cyber-Modells GPT-5.3-Codex erlaubt, und zusätzlich 10 Millionen US-Dollar an API-Credits für Sicherheitsteams bereitstellt.

Anthropic betreibt ein vergleichbares Cyber Verification Program. Die US-Regierung implementierte im Juni zudem Exportbeschränkungen für ihre Modelle Mythos und Fable. Ab dem 1. Juli ist Fable 5 für die Öffentlichkeit verfügbar, während der Zugriff auf Mythos 5 laut TechCrunch nur genehmigten Organisationen in den Vereinigten Staaten gewährt wird.

Die Labore betonen, dass die Überprüfung äußerst effektiv sei, um sicherzustellen, dass leistungsstarke Cyber-Fähigkeiten ausschließlich in den Händen verantwortungsvoller Akteure verbleiben. Kritiker halten dagegen, dass eine Anfrage wie „repariere diesen Code“ gleichermaßen für Cybersicherheit und Hacking dienen könne.

Eine weiterreichende Sorge ist, dass strengere Vorschriften legitime Forscher gänzlich von inländischen Modellen vertreiben und die Akzeptanz hin zu Open-Weight-Alternativen verschieben könnten, die außerhalb der US-Aufsicht operieren. Die Ergebnisse von Frontier Security legen nahe, dass solche Alternativen zumindest im Bereich der Software-Schwachstellenforschung schwer zu ignorieren sind.

US-KI-Modelle vs. Kimi K3: Ein differenziertes Bild

Hinweis: Benchmark-Zahlen sollten nicht als direkt vergleichbar behandelt werden, sofern sie nicht aus demselben Test stammen. Die untenstehenden Daten basieren auf ausgewählten Benchmarks und implizieren keine direkte Rangfolge der fünf Modelle.

Der Vergleich zeigt, warum die Erfahrungen des Bitcoin Red Team differenzierter sind als die einfache Behauptung, chinesische KI habe US-Modelle überholt. OpenAIs GPT-5.3-Codex erzielte einen CVE-Bench-Score von 90 % und eine Cyber-Range-Bestehensquote von 80 %. Anthropics Mythos 5 wurde speziell entwickelt, um genehmigten Cyber-Verteidigern Zugang zu Fähigkeiten zu geben, die in Fable 5 eingeschränkt sind.

Der entscheidende Unterschied liegt darin, wie diese Fähigkeiten zur Verfügung gestellt werden. Kimi K3 und GLM-5.2 sind Open-Weight-Modelle, die lokal eingesetzt werden können, während Fable 5 Cybersicherheits-Klassifizierer anwendet und Mythos 5 den Zugriff auf genehmigte Nutzer beschränkt. OpenAI behandelt GPT-5.3-Codex ebenfalls als hochriskantes Cyber-Modell und wendet Schutzmaßnahmen für dessen Nutzung an.

Aufseiten der chinesischen Modelle ist ein AISI-Ergebnis besonders aufschlussreich: Seine unabhängigen Tests ergaben, dass GLM-5.2 zum Testzeitpunkt das cyberfähigste Open-Weight-Modell war. Es performte bei eng umgrenzten Cyber-Aufgaben ähnlich wie Claude Opus 4.6, lag jedoch etwa vier bis sieben Monate hinter der geschlossenen Spitze zurück.