Moonshot AI 做了一件少有 AI 實驗室會嘗試的事：它刻意削弱了旗艦模型的一項能力。這家位於北京的新創公司於週六表示，已降低了迄今最先進模型 Kimi K3.1 Pro 的網路攻擊能力。此公告發布之際，外界對日益自主的 AI 系統可能賦予惡意駭客強大新優勢的憂慮正不斷升高。

該公司沒有添加外部防護措施，而是從源頭著手。網路攻擊相關資料在發布前已從模型的訓練語料中移除，此舉旨在限制 Kimi K3.1 Pro 利用軟體漏洞的能力，同時保持其編碼能力不受影響。

Moonshot 實際改變了什麼

基準測試讓這項取捨變得可量化。在 Moonshot 的內部漏洞利用基準測試中，Kimi K3.1 Pro 得分 81.0%。同一模型的未過濾版本——即訓練時保留網路攻擊資料的版本——得分為 90.5%。因此，資料過濾使發布的模型損失了約九個半百分點的攻擊能力。

世代的差距則更難以壓低。前代模型 Kimi K3 在同一測試中僅得 33.3%。即使經過過濾，新模型在漏洞利用方面的能力仍比前代高出近 48 個百分點。Moonshot 並未將其駭客能力凍結在原地，而是減緩了攀升速度。

該公司以審慎的措辭描述其意圖。Moonshot 表示，無意讓此模型突破網路攻擊能力的界限，並計劃在未來版本中逐步改進防禦性安全措施。

安全措施背後的規格

無論以何種標準衡量，Kimi K3.1 Pro 都是龐大的模型。它採用混合專家架構，總參數量達 2.8 兆，其中 1,040 億個參數在任何時刻處於活躍狀態。它還具備 100 萬 token 的上下文窗口——足以一次性處理極長文件或龐大的程式碼庫。

編碼方面的表現顯示 Moonshot 保住了它想要保護的部分。Kimi K3.1 Pro 在 Terminal-Bench 4.0 上得分 65.7%，與 Anthropic 的 Claude Opus 5.5 相當，據報導該模型的幻覺率也有所降低。

接下來是提高風險的細節。Moonshot 計劃在 2026 年 11 月 4 日前公開發布完整模型權重——意味著外界最終能夠下載的，正是那個得分 81.0% 的過濾版本。

為何開放權重發布改變了整盤棋局

多數前沿 AI 實驗室將模型置於 API 之後。用戶發送請求，公司返回答案，公司可以在此過程中監控、限流或修補模型行為。

開放權重的運作方式不同。一旦檔案公開，都可以下載模型，在自己的硬體上執行並修改它。沒有召回按鈕。

這一現實解釋了為何 Moonshot 選擇資料過濾，而非僅依賴發布後的控制措施。如果某項能力從未在訓練期間進入模型，權重中可供外界重新誘導出的部分就會更少。

此決定也發生在 Kimi K3 受到審視之後，該模型因其在網路任務上的表現而引起關注。最新發布的部分意圖是對這種關注的回應——顯示 Moonshot 能夠推出更強大的模型，而不交出更鋒利的攻擊工具。

這對 AI 產業意味著什麼

最引人注目的是，Moonshot 正在為安全取捨量化並公布數據。將過濾後與未過濾的分數並列展示，使謹慎的代價對所有人可見。

故事中也存在競爭的脈絡。憑藉在 Terminal-Bench 4.0 上與 Claude Opus 5.5 相當的編碼成績，一個開放權重的中國模型如今在該基準測試上與領先的閉源美國系統同台較量。

下一個關鍵節點是 2026 年 11 月 4 日。一旦權重公開，研究人員和安全團隊將能獨立檢驗 Moonshot 的聲明——並了解精心篩選的訓練資料是否足以讓一個 2.8 兆參數的模型保持最佳行為。公布的成對分數——過濾後 81.0% 對未過濾 90.5%——為這項檢驗提供了具體基準。