Moonshot AI zrobiło coś, na co decyduje się niewiele laboratoriów AI: celowo osłabiło jedną z umiejętności swojego flagowego modelu. W sobotę spółka z Pekinu poinformowała, że ograniczyła możliwości prowadzenia cyberataków w Kimi K3.1 Pro, swoim najbardziej zaawansowanym modelu do tej pory. Ogłoszenie przypada w momencie narastających obaw, że coraz bardziej autonomiczne systemy AI mogą dać złośliwym hakerom potężną nową przewagę.

Zamiast dodawać zewnętrzne zabezpieczenia firma sięgnęła głębiej. Materiały związane z cyberatakami usunięto z korpusu treningowego modelu przed premierą — zmiana ta miała ograniczyć zdolność Kimi K3.1 Pro do wykorzystywania luk w oprogramowaniu, nie naruszając przy tym jego umiejętności programistycznych.

Co faktycznie zmieniło Moonshot

Benchmarki pozwalają zmierzyć ten kompromis. W wewnętrznym benchmarku eksploitacji Moonshot model Kimi K3.1 Pro uzyskał wynik 81,0%. Równoległa, niefiltrowana wersja tego samego modelu — trenowana z zachowanymi danymi cybernetycznymi — uzyskała 90,5%. Filtrowanie kosztowało więc opublikowany model około dziewięć i pół punktu procentowego zdolności ofensywnych.

Skok pokoleniowy trudniej stłumić. Poprzednik, K3, uzyskał na tym samym teście zaledwie 33,3%. Nawet po filtrowaniu nowy model pozostaje o blisko 48 punktów procentowych sprawniejszy w eksploitacji niż poprzednik. Moonshot nie zamroziło umiejętności hakerskich modelu; spowolniło ich wzrost.

Firma opisała swoje intencje ostroż językiem. Moonshot stwierdziło, że nie zamierza, aby ten model przesuwał granice cyberofensywy, i planuje przyrostowe ulepszenia zabezpieczeń obronnych w kolejnych wydaniach.

Specyfikacja kryjąca się za zabezpieczeniami

Według wszelkich standardów Kimi K3.1 Pro to ogromny model. Wykorzystuje architekturę mieszaniny ekspertów o 2,8 biliona parametrów łącznych, z czego 104 miliardy jest aktywnych w danym momencie. Posiada też okno kontekstowe o pojemności miliona tokenów — wystarczające, aby przetworzyć bardzo długie dokumenty lub rozległe bazy kodu w jednym przebiegu.

Strona programistyczna sugeruje, że Moonshot zachowało to, co zamierzało chronić. Kimi K3.1 Pro uzyskał 65,7% w Terminal-Bench 4.0 — wynik porównywalny z Claude Opus 5.5 firmy Anthropic — a model wykazywał podobno także niższy wskaźnik halucynacji.

A potem pojawia się szczegół, który podnosi stawkę. Moonshot planuje publicznie udostępnić pełne wagi modelu do 4 listopada 2026 roku — co oznacza, że to filtrowana wersja z wynikiem 81,0% będzie mogła zostać pobrana przez osoby zewnętrzne.

Dlaczego udostępnienie otwartych wag zmienia rachunek

Większość czołowych laboratoriów AI trzyma swoje modele za API. Użytkownicy wysyłają zapytania, firma odsyła odpowiedzi i może po drodze monitorować, ograniczać lub poprawiać zachowanie modelu.

Otwarte wagi działają inaczej. Gdy pliki są publiczne, każdy może pobrać model, uruchomić go na własnym sprzęcie i go modyfikować. Nie ma przycisku cofania.

Ta rzeczywistość wyjaśnia, dlaczego Moonshot sięgnęło po filtrowanie danych, zamiast polegać wyłącznie na kontrolach po premierze. Jeśli zdolność nigdy nie trafia do modelu podczas treningu, mniejsza jej część zalega w wagach, by inni mogli ją wydobyć z powrotem.

Decyzja nastąpiła również po tym, jak Kimi K3 przyciągnął uwagę swoją skutecznością w zadaniach cybernetycznych. Najnowsze wydanie czyta się częściowo jako odpowiedź na tę uwagę — próbę pokazania, że Moonshot potrafi wypuścić silniejszy model, nie wręczając przy tym ostrzejszego narzędzia ataku.

Co to oznacza dla branży AI

Najbardziej uderzające jest to, że Moonshot kwantyfikuje swoje kompromisy w dziedzinie bezpieczeństwa i publikuje je. Pokazanie wyniku filtrowanego obok niefiltrowanego czyni cenę ostrożności widoczną dla wszystkich.

W historii pobrzmiewa także wątek konkurencyjny. Z wynikami programistycznymi porównywalnymi z Claude Opus 5.5 w Terminal-Bench 4.0 chiński model o otwartych wagach znalazł się w tym benchmarku w jednym rzędzie z wiodącym zamkniętym systemem amerykańskim.

Kolejny punkt kontrolny przypada 4 listopada 2026 roku. Gdy wagi staną się publiczne, badacze i zespoły ds. bezpieczeństwa będą mogli niezależnie zweryfikować deklaracje Moonshot — ionać się, czy wyselekcjonowana dieta treningowa wystarczy, aby trzymać 2,8-bilionowy model na krótkiej smyczy. Opublikowana para wyników — 81,0% po filtrowaniu wobec 90,5% bez — daje im konkretny punkt odniesienia do tej weryfikacji.