在最新一期 Interconnects 播客中，Nathan Lambert 与评测专家 Florian Brand（近期移居旧金山）围绕本周 AI 领域的诸多权衡与热点问题展开讨论，核心话题是 Kimi K3.1 Pro 的发布及其引发的争议，随后延伸到网络安全现实、开源权重模型风险、以及 Muse 等轻松话题。节目在结尾表示，两位主播计划今后录制更多此类播客，并欢迎听众发送问题与选题。
关于 Kimi K3.1 Pro，Florian 指出，过去 Kimi 系列模型总能达到预期，但这次发布相比以往显得“有点奇怪”。部分原因是团队正变得更专业：以往模型发布往往“从天而降”，而这次他们开展了规模更大的社交媒体宣传，据称还涉及付费请人发帖却未披露。Nathan 表示，很多公司都这么做并要求不提及付费，但这是糟糕的做法，任何公司都不应如此；有人曾晒出 Kimi 媒体指引截图，其中要求“不要说是付费推广”，不过据他所知，之后无人证实此事。Florian 补充说，目前包括美国公司在内的多次模型发布都明显存在“水军”操作，有些披露是付费广告、有些没有；过去一年模型发布迅速专业化——一年前大家只是发布模型、之后再修补 vLLM，导致一段时间内无人能真正运行开源模型；如今发布首日即有全套推理框架和推理服务商，也越来越常见的是模型方在放出权重前享有数周独家访问期，K3.1 Pro 也是如此，据称有两周独家期后才发布权重。Nathan 提到，官方称权重将于 11 月 4 日前发布。头条数据是 Artificial Analysis 上它领先于 GPT-6 Astra；Kimi K3.1 博客中的头条数字非常强，但后面一些数字显得参差不齐，例如 Terminal-Bench Science 落后 GPT-6 Astra 约 20 分，ProgramBench 等也类似。Nathan 在 Twitter 发帖征询印象，反馈褒贬不一：有人觉得“似乎不太好”，也有人认为“还行”；相比 K3 几乎一致的好评，这次感觉像一个大模型但后训练略显“火候不足”，也许有点被 RL“烤糊”了，最终还要看结果。
两人讨论了基准测试的差异。Florian 指出，Artificial Analysis 当前使用的基准时间跨度较短，而 ProgramBench 这类则很长且极具探索性；其他基准往往直接告诉模型目标，而 ProgramBench 更要求大量探索。这可能解释了差异：Kimi 的 RL 训练仍偏向“利用型”（exploitative）而非“探索型”（explorative）。Nathan 认为，如果用三万亿美元参数级别的模型，人们会希望它在探索上足够稳健；若用于已知的编码任务，像 DeepSeek-V4.1-Flash-1017 这类分数差距不大的模型会快得多，按实际 token 计成本也许差别不大。因此对这次 Kimi 发布的批评是合理的：大模型必须足够好，因为它更慢；而开源权重模型在“苦干型”场景更有优势，可以做得更快更便宜。Nathan 还注意到命名变化——以往是 K2、K2.6、K3，如今是 K3.1 Pro，似乎是在为 Flash 风格的发布铺路；Twitter 上投资与公司预测圈认为此事对 Kimi 关系重大。服务三万亿参数模型相比 7000 亿参数模型需要更多资源，可能要用 NVL72 机架。Florian 补充，要装下模型需要 B300，每个模型副本占一个节点，这颇为尴尬；而其他模型甚至能装进 H100 或更易获取的 H200。拆分模型总比“一节点一副本”或用现有节点装下全部权重更麻烦，因此三万亿参数正好处于“勉强可合理托管”的范围，但相比各类 Flash 和小模型，无法利用人们手中大量现有 GPU，确实令人头疼。
话题转向 Kimi 在博客中声明“抑制自身网络能力”是否自损。Nathan 读出博客内容：“开源权重原则。这些评估构成我们开源发布决策的框架。第一，我们的目标是不发布会拓展网络能力绝对前沿的开源权重。K3.1 Pro 的进攻性网络能力按设计低于我们流水线所能产出的水平，并仍落后于前沿闭源模型。”文中还提到他们在中训练阶段操纵数据以降低网络能力权重，并观察到这一效果可延续到后训练。Florian 认为人们完全可以把这些事情分开看，这种发布方式很好：希望广泛开放让所有人发现并修补漏洞，对世界是净收益；Kimi 表示仍发布具备防御能力的模型，但不推进进攻侧。他从网络安全专业人士处了解到，攻破整个组织要难得多，因为需要长时程能力并在各入侵阶段持续保持，而这正是闭源模型（尤其是常被提及的 GPT-5.6 Sol）远强于开源模型之处；我们希望所有代码尽快变得安全，而这不需要长时程能力，也不需要 CTF 类挑战，因此将这些排除出训练组合是合理决定，也有助于抵御“一旦发布 Mythos 级开源模型世界就完蛋”的恐慌论调——而这种情况迄今未发生，近期也不太可能发生。开源模型在这方面受到的审视远多于闭源模型，把自己定位为“负责任的行为者”是聪明之举。
随后进入“你可以黑掉一切”的环节。两人都自认不是网络专家，但认为值得讨论。Nathan 表示，他阅读的网络专家多从生态系统角度出发：漏洞检测、利用所需时间等指标在 ChatGPT 出现前就呈指数增长，AI 模型出现后并未出现阶跃式变化；而 AI 圈则热衷争论开源与闭源、Mythos 等；中间地带则是 Daybreak 项目、Mythos 等对更广泛社会的实际影响——他坦言自己也在摸索，不想过度简化。节目随后转到较轻松的话题，包括 31:41 处“Anthropic 不招聘初级员工”的讨论（引用了 Anthropic 关于其就业变化的文章）、36:16 处 Florian 的“Muse 成瘾”，以及 45:30 的总结。节目还提到若干链接：Nathan 与 Dean Ball 关于前沿实验室“狼来了”故事的讨论帖、Kimi K3.1 Pro 发布博客、其在 Artificial Analysis 智能指数与防御性网络基准上的成绩、Program Bench、“开源权重 Mythos 本来也没事”的观点、PHP“至今未酿成大祸”的更新、Abliteration.ai 提供去除审查（abliterated）模型的 API、Morph 通过 API 提供 abliterated DeepSeek、Joshua Saxe 关于 AI 与网络安全的 Substack、Azeem Azhar 的《互联网的武汉时刻》、Anthropic 的就业变化文章，以及 LiteLLM 安全事件报告。完整章节包括：00:00 Kimi K3.1 反应、08:15 Kimi 的开源权重网络原则、11:23“你可以黑掉一切”时代、15:54 PHP2Shell、LiteLLM 与新互联网、24:00 Abliterated API、防护措施与可信访问、31:41 Anthropic 不招初级员工、36:16 Florian 的 Muse 成瘾、45:30 总结。