Moonshot AI ha compiuto qualcosa che pochi laboratori di intelligenza artificiale tentano: ha deliberatamente indebolito una capacità nel suo modello di punta. Sabato, la startup con sede a Pechino ha dichiarato di aver ridotto le capacità ciber-offensive di Kimi K3.1 Pro, il suo modello più avanzato fino ad oggi. L'annuncio arriva in un momento di crescente inquietudine per il fatto che sistemi di IA sempre più autonomi potrebbero dare ai hacker malintenzionati un potente nuovo vantaggio.

Invece di aggiungere filtri esterni, l'azienda è intervenuta a monte. I materiali legati al cyber sono stati rimossi dal corpus di addestramento del modello prima del rilascio, una modifica pensata per limitare la capacità di Kimi K3.1 Pro di sfruttare le vulnerabilità software, lasciando intatte le sue abilità di coding.

Cosa ha realmente cambiato Moonshot

I benchmark rendono misurabile il compromesso. Nel benchmark interno di exploit di Moonshot, Kimi K3.1 Pro ha ottenuto l'81,0%. Una versione parallela non filtrata dello stesso modello—addestrata con i dati cyber ancora inclusi—ha ottenuto il 90,5%. Il filtraggio è quindi costato al modello rilasciato circa nove punti e mezzo percentuali di capacità offensiva.

Il salto generazionale è più difficile da attutire. Il predecessore di Kimi, K3, aveva ottenuto solo il 33,3% nello stesso test. Anche dopo il filtraggio, il nuovo modello rimane quasi 48 punti percentuali più abile nello sfruttamento delle vulnerabilità rispetto al suo predecessore. Moonshot non ha congelato le sue capacità di hacking; ne ha rallentato la crescita.

L'azienda ha descritto le proprie intenzioni con linguaggio prudente. Moonshot ha dichiarato di non intendere che questo modello spinga i confini della capacità ciber-offensiva, e prevede miglioramenti incrementali delle misure di difesa nei rilasci futuri.

Le specifiche alla base delle misure di sicurezza

Secondo qualsiasi standard, Kimi K3.1 Pro è enorme. Il modello utilizza un'architettura mixture-of-experts con 2,8 trilioni di parametri totali, di cui 104 miliardi attivi in ogni momento. Dispone inoltre di una finestra di contesto da 1 milione di token—spazio sufficiente per elaborare documenti molto lunghi o basi di codice estese in un'unica passata.

Il lato del coding suggerisce che Moonshot ha presato ciò che intendeva proteggere. Kimi K3.1 Pro ha ottenuto il 65,7% su Terminal-Bench 4.0, un risultato paragonabile a Claude Opus 5.5 di Anthropic, e il modello ha mostrato, secondo quanto riferito, anche tassi di allucinazione ridotti.

Poi arriva il dettaglio che alza la posta in gioco. Moonshot prevede di rilasciare pubblicamente i pesi completi del modello entro il 4 novembre 2026—il che significa che la versione filtrata che ha ottenuto l'81,0% sarà ciò che gli esterni potranno infine scaricare.

Perché il rilascio a pesi aperti cambia i termini della questione

La maggior parte dei laboratori di IA di frontiera mantiene i propri modelli dietro un'API. Gli utenti inviano richieste, l'azienda restituisce risposte, e l'azienda può monitorare, limitare o correggere il comportamento lungo il percorso.

I pesi aperti funzionano diversamente. Una volta resi pubblici i file, chiunque può scaricare il modello, eseguirlo sul proprio hardware e modificarlo. Non esiste un pulsante di richiamo.

Questa realtà spiega perché Moonshot ha puntato sul filtraggio dei dati invece di affidarsi soltanto a controlli post-rilascio. Se una capacità non entra mai nel modello durante l'addestramento, ce n'è meno nei pesi per poterla rievocare dall'esterno.

La decisione giunge anche dopo l'attenzione rivolta a Kimi K3, che aveva attirato l'attenzione per le sue prestazioni nei compiti cyber. L'ultimo rilascio si legge in parte come una risposta a quell'attenzione—un tentativo di dimostrare che Moonshot può distribuire un modello più potente senza consegnare uno strumento di attacco più affilato.

Cosa significa per l'industria dell'IA

L'aspetto più significativo è che Moonshot sta quantificando i propri compromessi in materia di sicurezza e pubblicandoli. Mostrare un punteggio filtrato accanto a uno non filtrato rende il prezzo della prudenza visibile a tutti.

Corre anche un filo competitivo nella storia. Con risultati di coding paragonabili a Claude Opus 5.5 su Terminal-Bench 4.0, un modello cinese a pesi aperti entra ora nella stessa conversazione di un leader closed di sistema statunitense in quel benchmark.

Il prossimo checkpoint è il 4 novembre 2026. Una volta resi pubblici i pesi, ricercatori e team di sicurezza potranno verificare in modo indipendente le dichiarazioni di Moonshot—e scoprire se una dieta addestrativa curata sia sufficiente a mantenere un modello da 2,8 trilioni di parametri al meglio del proprio comportamento. La coppia di punteggi pubblicata, 81,0% filtrato contro 90,5% non filtrato, offre loro un punto di riferimento concreto per questa verifica.