90.5% 到 81.0%:那个故意「自废武功」的开源模型

📌 One-Sentence Summary
Moonshot AI 的 Kimi K3.1 Pro 成为迄今测得的最强开放权重模型(智能指数 55),同时刻意将网络攻击能力从 90.5% 降至 81.0%,以 Opus 5.5 一半的 API 价格提供接近前沿的性能,但在冗长度、评测框架差异和自托管成本方面存在重要注意事项。
📝 Summary
Moonshot AI 于 2026 年 10 月 23 日发布 Kimi K3.1 Pro,这是其 2.8T 参数 MoE 模型(104B 激活参数、1M 上下文)的后训练版本,在开放权重模型中取得最高的独立智能指数得分(55,215 个模型中排名第 4),将与顶级闭源模型(Claude Opus 5.5,58 分)的差距从 14 分缩小到 3 分。尤为独特的是,Moonshot 公开量化了一项刻意的能力削减:从中期训练中剔除网络相关数据、并从强化学习中过滤黑客任务,使 xdev-bench-hard 上的漏洞利用成功率从 90.5% 降至 81.0%,这是一个 9.5 分的「旋钮而非高墙」式削减。智能体基准测试显示全面提升(GDPval-AA +312,AutomationBench 58%→73%,幻觉率 23.4%→8.3%)。API 定价为每百万 token 2 美元/10 美元(1M 上下文内统一价格),是 Opus 5.5 的一半,但始终开启的思考模式增加了输出冗长度,在 1.5 倍冗长度下实际节省降至约 27%。Terminal-Bench 得分因评测框架而异(厂商框架 65.7%,独立框架 67.0%)。2.8T 权重(约 2.8–5.6 TB)使自托管达到数据中心级别;开放性带来的是可移植性和可审计性,而非免费算力。权重承诺于 2026 年 11 月 4 日发布,但尚未公布许可证。配套 notebook 可复现所有头条数字。
💡 Main Points
为安全而刻意、可量化的能力削减
Moonshot 移除了网络相关的训练数据和强化学习任务,使 xdev-bench-hard 上的漏洞利用成功率从 90.5% 降至 81.0%(下降 9.5 分),同时保留了通用编程能力。这是首个在发布时公开此类量化「旋钮而非高墙」式安全干预的前沿实验室。
独立基准上最强的开放权重模型
K3.1 Pro 在 Artificial Analysis 智能指数上得分 55(215 个模型中排名第 4),仅落后 Claude Opus 5.5(58 分)3 分。智能体能力全面提升:GDPval-AA +312 ELO,AutomationBench 58%→73%,内部硬幻觉率 23.4%→8.3%。
后训练方法论驱动提升,而非新架构
沿用同一 3T 级 MoE 基座(2.8T 总参数、104B 激活参数、1M 上下文、原生视觉、思考始终开启)。改进来自更好的强化学习环境、数据整理以及网络数据移除本身——这是一个后训练工程的故事。
API 定价激进,但冗长度侵蚀节省
每百万 token 2 美元/10 美元(统一价格,无长上下文附加费)是 Opus 5.5 标价的一半。然而,始终开启的思考模式增加了输出 token;在 1.5 倍冗长度下,成本优势从 50% 缩小至 27%。从业者必须衡量每个已解决任务的成本,而非每个 token 的成本。
开放权重 ≠ 运行成本低;评测框架差异很重要
2.8T 参数需要数 TB 级权重(每参数 1 字节时为 2.8 TB,BF16 时为 5.6 TB)加上 KV 缓存——属于数据中心级硬件。Terminal-Bench 4.0 在厂商框架上读数为 65.7%,独立框架为 67.0%。发布当天的数字需要仔细审视评测框架。
💬 Key Quotes
我们的目标是不发布会扩展网络能力绝对前沿的开放权重。
网络能力的削减是一个旋钮,而非一堵高墙。
每 token 的价格不等于每任务的价格。
开放权重和运行成本低是两回事。
永远不要在不问清是谁运行评测框架的情况下相信发布当天的数字。
📊 Article Meta
AI Screening: 88
Source: DEV Community: machinelearning
Author: Daniel Sam Pete Thiyagu
Category: 人工智能
Language: 英文
Read Time: 6 min
Word Count: 1367
Tags:
AI 与智能应用 , 模型发布 , AI 安全与对齐 , 开放权重模型 , 后训练
楼主辛苦了,内容很有参考价值。
思路清晰,干货满满。
看完了,收获满满,期待更多更新。
内容翔实,正好需要,先收藏再看。
刚好最近在找这方面的资料,太及时了。
实测过类似工具,作者说的基本属实。
有没有更详细的教程,期待后续。
看完了,收获满满,期待更多更新。
赞同,实践出真知。
不错不错,已加入书签。
这篇文章分析得很透彻,收藏了!
赞同,实践出真知。