Moonshot 在开放发布前削弱 Kimi K3.1 Pro 的黑客能力

Moonshot AI 的首次更新，全新的 Kimi K3.1 Pro > Kimi K3.1 Pro 在 Terminal-Bench 4.0 上得分 65.7%，落后 Claude Opus 5.5 0.7 分，领先 GPT-6 Astra 7.5 分，且每任务平均成本低于两个对手的最高运行配置。 > Moonshot 发现随着后训练规模扩大，漏洞利用技能随之上升，因此从中训练和 RL 中移除了网络相关数据；在其内部 xdev-bench-hard 上，pass@3 从 90.5% 降至 81.0%。 > 过滤后的模型仍能解决其中 81.0% 的漏洞利用任务，而 K3 为 33.3%，Moonshot 将其解读为通用编码能力的提升延伸到了网络工作，而第三方运行的 GPT-5.6 Sol 解决了 100%。 > 在 Moonshot 带工具的内部控制幻觉压力测试中，错误声明从 K3 的 23.4% 降至 8.3%，仍高于 GPT-6 Astra 的 5.5%，但远低于 Claude Opus 5.5 的 15.0%。 > 最大跃升出现在 Moonshot 的模拟业务运营测试中，得分从 8.9 升至 37，K3.1 Pro 还在 OfficeQA Pro v2 上以 64.4 居首，而 Opus 5.5 为 62.2。 > 提升并不均衡：K3.1 Pro 在 Terminal-Bench Science 上得 38.1，而 GPT-6 Astra 为 68.1、Opus 5.5 为 63.3，同时在 Agents’ Last Exam 上以 43.2 领先，在带工具的 Humanity’s Last Exam 上以 70.0 领先。 > K3.1 Pro 以及运行速度快 2-3 倍的 Highspeed 变体已在 Kimi 的应用和 API 中上线，完整权重预计于 11 月 4 日前发布，供独立复跑。

查看原文

Moonshot AI’s first update, the new Kimi K3.1 Pro > Kimi K3.1 Pro scores 65.7% on Terminal-Bench 4.0, 0.7 points behind Claude Opus 5.5 and 7.5 ahead of GPT-6 Astra, at a lower average cost per task than either rival’s top runs. > Moonshot saw exploit skill climb as post-training scaled, so it removed cyber-related data from mid-training and RL; on its internal xdev-bench-hard, pass@3 fell from 90.5% to 81.0%. > The filtered model still solves 81.0% of those exploitation tasks against K3’s 33.3%, which Moonshot reads as general coding gains carrying into cyber work, while a third-party run of GPT-5.6 Sol solved 100%. > On Moonshot’s internal hallucination stress test with tools, false claims fell from 23.4% for K3 to 8.3%, still above GPT-6 Astra’s 5.5% but well below Claude Opus 5.5’s 15.0%. > The biggest jump is on Moonshot’s simulated business-operation test, where scores rose from 8.9 to 37, and K3.1 Pro also tops OfficeQA Pro v2 at 64.4 against Opus 5.5’s 62.2. > Gains are uneven: K3.1 Pro scores 38.1 on Terminal-Bench Science against GPT-6 Astra’s 68.1 and Opus 5.5’s 63.3, while leading Agents’ Last Exam at 43.2 and Humanity’s Last Exam with tools at 70.0. > K3.1 Pro and a Highspeed variant running 2-3x faster are live in Kimi’s apps and API, with full weights due by November 4 for independent reruns.