英国AISI/财思对Kimi K3网络能力进行初步评估

官方网站使用 .gov .gov 网站属于美国官方政府组织。安全的 .gov 网站使用 HTTPS A 锁（锁定挂锁）或 https:// 表示您已安全连接到 .gov 网站。仅在官方安全网站上共享敏感信息。 https://www.nist.gov/news-events/news/2026/07/uk-aisi-caisi-preliminary-assessment-kimi-k3s-cyber-capativity 更新英国 AISI / CAISI 对 Kimi K3 网络能力的初步评估 2026 年 7 月 23 日 分享 Facebook Linkedin X.com 电子邮件 英国人工智能安全研究所 (UK AISI) 和美国人工智能标准与创新中心（CAISI）（英国 AISI / CAISI）对 Moonshot AI 的最新模型 Kimi K3（于 2026 年 7 月 16 日发布，预计于 2026 年 7 月 27 日公开发布）进行了联合评估。本次评估重点关注Kimi K3的网络能力，结果发现：在英国AISI/CAISI进行的初步网络评估中，Kimi K3的表现明显低于最新的前沿网络能力模型。具体来说：当负责开发漏洞时，Kimi K3 的表现明显低于最新的前沿网络能力模型（图 1）。当执行攻击模拟企业网络（“The Last Ones”）的任务时，Kimi K3 的表现明显低于最新的前沿网络能力模型。具体来说，Kimi K3 平均达到了这 32 步攻击路径中的第 17 步，而网络能力最强的美国型号平均达到了 28.5 步。在英国 AISI / CAISI 进行的相同初步网络评估中，Kimi K3 的表现高于 GLM-5.2（图 2）。 Kimi K3 的防护措施允许协助代理网络漏洞开发。 Kimi K3 的保障措施并没有阻止其在英国 AISI / CAISI 评估期间尝试网络漏洞开发或进攻性网络行动。漏洞开发能力来源：CAISI/NIST 图 1：Kimi K3 和其他模型在漏洞开发基准 (ExploitBench) 上的性能。成功率越高表明网络能力越强。误差线代表 95% 的置信区间。 ExploitBench 衡量模型在给定漏洞的情况下开发端到端漏洞利用的能力。详细结果 这些结果代表了对一小组公共和私人基准的初步评估。美国的封闭重量模型在禁用系统级保护措施的情况下进行了评估，以减少拒绝并能够测量最大能力。这些模型的公开版本启用了这些保护措施。由于 Kimi K3 托管设置的具体情况，英国 AISI / CAISI 进行了一组选择性的网络评估。各个部分提供了详细的方法。网络能力趋势模型的网络能力是使用受项目响应理论（IRT）启发的方法跨多个基准的多个任务进行聚合的。有关该方法的详细信息，请参阅之前发布的报告。 Kimi K3 的整体网络能力比其他模型具有更大的置信区间，因为它是根据单个基准（ExploitBench，有 41 个专注于漏洞开发的任务）估计的。 ExploitBench 是衡量模型沿着软件开发阶梯前进的能力的领先基准。所有其他模型的整体网络能力得分均来自涵盖网络能力其他领域的大量任务。图片来源：CAISI/NIST 图 2：截至 Kimi K3 发布时美国和中国最强大模型的总体能力随时间变化的初步比较。美国趋势线由美国前沿模型的结果组成。 y 轴增加 400 点相当于解决任务的几率增加 10 倍。误差线和阴影区域表示 95% CI。漏洞利用开发：ExploitBench ExploitBench 是一个公共基准，由卡内基梅隆大学开发，用于衡量模型沿着软件漏洞利用阶梯前进的能力，包括覆盖率和崩溃再现、任意读/写、控制流劫持和任意代码执行。该基准测试针对 V8 引擎（为 Chrome 提供支持的 JavaScript 和 WebAssembly 软件）中的 41 个最新（2023 年后）漏洞进行了模型测试。 ExploitBench 结果如图 1 和图 3 所示。图片来源：CAISI/NIST 图 3：Kimi K3 和其他模型的详细 ExploitBench 性能。较暗的阴影表示更强的网络能力。每行代表漏洞开发链中的一个关键里程碑，每个单元格显示相关模型能够达到该里程碑的 ExploitBench 任务数量。 Kimi K3 的性能优于 GLM-5.2，后者是截至 2026 年 6 月网络能力最强的开放权重模型。 Kimi K3 的得分为 32%，而 GLM-5.2 的得分为 24%（图 1）。与最具网络能力的模型不同，Kimi K3 未能开发出针对 ExploitBench 任务实现任意代码执行 (ACE) 的漏洞。 ACE 是漏洞开发中最严重的结果，为攻击者提供了