权威智库测试Kimi K3 结果让人大吃一惊

周三（7月23日），欧美权威智库在进行初步测试后发现，中国初创公司月之暗面（Moonshot AI）的最新模型Kimi K3，性能显著低于美国领先的前沿AI模型。

月之暗面于7月16日发布Kimi K3，并计划于同月27日发布开源版本。在美中人工智能竞争激烈的背景下，该模型因在一些行业基准测试中的表现优于多家美国AI公司，已引发全球关注。

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）对Kimi K3进行联合评估后指出，在初步网络能力评估中，Kimi K3的网络能力显著低于美国最新前沿模型，尤其是在稳定性和成功率上远低于后者。

评估重点考察两部分，一个是通过ExploitBench测试其对41个V8漏洞进行崩溃复现、任意读写、控制流劫持和代码执行的能力；另一个是通过模拟企业网络测试其自主完成多步骤攻击链的水平，并观察安全护栏是否会阻止攻击行为。

结果显示，Kimi K3明显强于GLM-5.2等中国模型，甚至能偶尔完成完整攻击链，但在稳定实现任意代码执行、攻击成功率和综合能力上仍落后于美国最先进的闭源模型。GLM-5.2是智谱AI（Zhipu AI）发布的旗舰级大型语言模型。

在开发漏洞利用程序上，Kimi K3的性能显著低于美国最新的前沿网络模型。美国顶尖模型在约一半样本中能够构建完整漏洞利用链，而Kimi K3和GLM-5.2虽然能发现和复现不少漏洞，却没有完成从漏洞到任意代码执行的完整闭环。

具体而言，Kimi K3平均仅完成了32个步骤攻击路径中的第17个步骤，而美国最强大的网络模型平均完成了28.5个步骤。GLM-5.2平均只能达到第11步。

此外，美国顶尖模型的综合成绩也显著领先，分别比Kimi K3高约44个百分点，比GLM-5.2高约51.8个百分点。

在攻击成功率上，在10次尝试中，Kimi K3有一次在1亿代币的限制下成功完成了“The Last Ones”（TLO）网络攻击范围的测试。

这表明，在获得初始网络访问权限并被赋予指令后，Kimi K3已能够自主攻击小型、防御薄弱且易受攻击的企业系统。

2026年7月18日，在上海举行的世界人工智能大会（WAIC）上，月之暗面（Moonshot AI）摊位上展示了Kimi的标志和Kimi K3模型。(Hector Retamal/AFP via Getty Images)

但能够解决TLO问题已不是少数模型的专属能力。智库指出，在之前的测试中，已有四个公开发布的闭权重模型（Closed-Weight Model，也常被称为闭源模型）解决了TLO问题，性能最佳者在10次尝试中成功率能达到6至7次。Kimi K3在标准的1亿代币限制下，仅在10次尝试中成功了一次。

美国商务部长卢特尼克（Howard Lutnick）周三在社交媒体X上发帖说，“CAISI的最新报告显示，Kimi K3仍然落后于美国领先的前沿人工智能模型。”

“美国之所以能够在前沿人工智能领域保持领先地位，是因为我们拥有世界上最伟大的创新者和技术专家。”他写道。

美国中央情报局（CIA）局长拉特克利夫（John Ratcliffe）7月中旬出席宾夕法尼亚州国防与创新峰会时也表示，美国在体制上比中共治下的中国更有优势，因为在中共体制下，个人只能听命于党国。

“他们窃取、复制，还有用国家补贴。这就是他们的‘成功’模式。”他说。

中情局局长表示，美国不能失去在高端技术上对北京的领先优势，而保持这种优势的唯一方法就是不要陷入政治正确的窠臼。