问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年7月公开的一份英美联合评测显示，月之暗面旗下大模型Kimi K3在漏洞利用、模拟网络攻击维度的表现仅达到美国前沿模型的40%，虽落后于海外头部闭源模型，但性能优于智谱GLM-5.2，成为当前开放权重模型阵营的新标杆。同时评测暴露其安全护栏有效性不足，几乎无法阻拦漏洞利用开发相关请求。
这份于2026年7月24日公开的评测由英国人工智能安全研究所（UK AISI）与美国人工智能标准与创新中心（CAISI）联合推出，是全球首次针对不同产商、不同授权模式大模型的攻防能力统一对标测试，评测结果的中立性和参考价值获得了全球AI安全领域的普遍认可。
本次评测采用卡内基梅隆大学开发的ExploitBench基准作为测试集，筛选了2023年之后Chrome V8引擎中被公开披露的41个真实未修复漏洞，要求大模型完成从漏洞原理分析、POC代码编写到完整利用程序开发的全流程任务，每完成一个环节获得对应分值。
最终得分显示，美国头部闭源前沿模型的平均得分达到76.2%，基本能独立完成六成以上的漏洞全流程开发；Kimi K3的得分约为30%，换算后约为美国前沿模型表现的40%；而同为国产大模型的智谱GLM-5.2得分约为22%，低于Kimi K3。这也让Kimi K3成为目前全球开放权重大模型中攻防能力最强的产品，坐稳了开放权重阵营的新标杆位置。
相比性能上的差距，更值得关注的是Kimi K3在安全防护层面的缺失：评测过程中，测试人员无需使用任何Prompt注入技巧，仅用正常提问就能获得漏洞利用的相关指导，模型自带的内容安全护栏几乎没有起到拦截作用。
这一现象也引发了行业对开放权重模型训练合规性的讨论：有安全专家指出，能力与安全防护不匹配的情况，往往出现在通过蒸馏海外头部模型获得能力、但未同步复刻其安全对齐流程的产品上，一旦这类模型被恶意使用者获取，很可能成为批量开发零日漏洞、发起网络攻击的工具。
此前全球范围内对大模型的安全监管大多集中在内容合规、数据隐私等维度，针对网络攻击、漏洞利用等实战化能力的评测体系仍处于空白状态。本次英美两大安全机构的联合评测，也被视为全球AI监管向实战化、场景化转向的重要信号。
据了解，目前国内相关监管部门也已经启动开放权重大模型攻防能力评测标准的制定工作，未来所有开放权重大模型上线前，都需要通过对应的安全测试，避免能力溢出带来的网络安全风险。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号