英国人工智能安全研究所（UK AISI）与美国人工智能标准与创新中心（CAISI）近日联合发布了针对Moonshot AI最新模型Kimi K3的初步评估报告。该模型于2026年7月16日发布，并计划于2026年7月27日开源权重。评估聚焦于Kimi K3的网络能力，结果显示其在多项基准测试中表现低于当前最先进的前沿模型，但优于同类开源模型GLM-5.2。
在漏洞利用开发方面，评估采用了卡内基梅隆大学开发的ExploitBench基准测试。该测试包含41个针对Chrome V8引擎（2023年后的漏洞）的任务，衡量模型在软件利用链中的进展能力。Kimi K3的得分为32%，而GLM-5.2为24%，但最先进的前沿模型平均成功率达到更高水平。值得注意的是，Kimi K3未能在任何任务中实现任意代码执行（ACE），而前沿模型平均在20/41的任务中实现了ACE，这是漏洞利用中最严重的后果。
在模拟网络攻击测试“The Last Ones”（TLO）中，研究人员构建了一个包含32个步骤、4个子网和约20台主机的企业网络环境。Kimi K3平均仅到达第17步，而最强大的美国模型平均到达28.5步。在10次尝试中，Kimi K3有1次成功完成了整个攻击路径，表明其具备自主攻击小型且防御薄弱的企业系统的能力。然而，TLO环境缺乏主动防御和防御工具，且存在预设的攻击路径，与现实环境存在差异。
此外，评估发现Kimi K3的安全防护措施未能阻止其尝试网络利用开发或进攻性网络操作。尽管模型在整体能力上低于前沿模型，但其在开源模型中表现出相对较强的网络能力。UK AISI和CAISI指出，这些结果为初步评估，基于有限的公共和私有基准测试，未来将进行更全面的分析。
Kimi K3的总体网络能力置信区间较大，因为其能力仅从单个基准（ExploitBench，41个任务）中估算，而其他模型的能力来自更多任务。美国的闭源模型在评估时关闭了系统级安全措施，以测量最大能力，而公开版本则保留了这些措施。由于Kimi K3的托管设置特殊性，评估仅选择了部分网络测试。