Moonshot AI 做了一件很少有 AI 实验室会尝试的事情：它有意削弱了其旗舰模型的一项能力。周六，这家总部位于北京的初创公司表示，已降低了 Kimi K3.1 Pro——其迄今最先进的模型——的网络攻击能力。此举发布之际，外界对日益自主的 AI 系统可能为恶意黑客提供强大新优势的担忧正不断加剧。

该公司没有依赖外部护栏，而是从源头入手。发布前，与网络攻击相关的材料已从模型的训练语料中移除，这一调整旨在限制 Kimi K3.1 Pro 利用软件漏洞的能力，同时不损害其编码能力。

Moonshot 究竟改变了什么

基准测试使这种权衡变得可以量化。在 Moonshot 的内部漏洞利用基准测试中，Kimi K3.1 Pro 得分 81.0%。而同一模型的未过滤版本——即训练时保留网络攻击数据的版本——得分 90.5%。因此，过滤使发布版的攻击能力损失了约 9.5 个百分点。

代际之间的跃升更难抹平。前代模型 K3 在同一测试中仅得分 33.3%。即便经过过滤，新模型在漏洞利用方面仍比前代高出近 48 个百分点。Moonshot 并未将其攻击能力冻结在原地，而是放缓了攀升的速度。

该公司以谨慎的措辞阐述了其意图。Moonshot 表示，无意让该模型突破网络攻击能力的边界，并计划在未来的版本中逐步改进防御性安全措施。

安全措施背后的规格参数

无论以何种标准衡量，Kimi K3.1 Pro 都是庞然大物。该模型采用混合专家架构，总参数达 2.8 万亿，任意时刻有 1040 亿参数处于激活状态。它还拥有 100 万 token 的上下文窗口——足以一次性处理超长文档或庞大代码库。

编码方面的表现表明，Moonshot 保住了它想要保护的东西。Kimi K3.1 Pro 在 Terminal-Bench 4.0 上得分 65.7%，与 Anthropic 的 Claude Opus 5.5 相当，据报道该模型的幻觉率也有所降低。

接下来是让此事利害升级的细节。Moonshot 计划在 2026 年 11 月 4 日前公开发布完整的模型权重——这意味着外界最终能够下载的，正是得分 81.0% 的过滤版本。

为什么开放权重发布改变了整个局面

大多数前沿 AI 实验室将模型置于 API 之后。用户发送请求，公司返回答案，公司可以在此过程中监控、限制或修补模型行为。

开放权重的运作方式截然不同。一旦文件公开，任何人都可以下载模型，在自己的硬件上运行并修改它。没有“召回按钮”。

这一现实解释了 Moonshot 为什么选择数据过滤，而不是仅依赖发布后的控制措施。如果某种能力在训练阶段就从未进入模型，权重中可供外界重新挖掘出来的部分就更少。

这一决定也发生在此前 Kimi K3 因网络任务表现受到关注和审视之后。最新发布的模型在一定程度上可以视为对这种关注的回应——Moonshot 试图证明，自己能够推出更强大的模型，同时不交出一件更锋利的攻击工具。

这对 AI 行业意味着什么

最引人注目的一点是，Moonshot 正在量化其安全权衡，并将其公之于众。将过滤分数与未过滤分数并列展示，使谨慎的代价对所有人可见。

故事中还存在一条竞争线索。凭借在 Terminal-Bench 4.0 上与 Claude Opus 5.5 相当的编码成绩，一个开放权重的中国模型在该基准上已与领先的美国闭源系统同台对话。

下一个关键节点是 2026 年 11 月 4 日。一旦权重公开，研究人员和安全团队就能独立检验 Moonshot 的声明——并清经过筛选的训练数据是否足以让一个 2.8 万亿参数的模型保持良好行为。已公布的这组分数——过滤版 81.0% 对未过滤版 90.5%——为这项检验提供了具体的基线。