Kimi K3.1 ไม่สามารถที่จะกําจัดการโจมตีได้

อย่างแรก ข้อสรุปก็คือคราวนี้ไม่มี "ความสามารถการโจมตี" และไม่มีสัญญาณของ "อัจฉริยะในการทดสอบวิศวกรจะลดลง".

ด้านมืดของดวงจันทร์ คําพูดก็คือพวกเขาพบว่าข้อมูลการฝึกนี้รวมเข้ากับ หน่วยงานรักษาความปลอดภัยจํานวนหนึ่ง และจากนั้นก็ถูกเลือกออกมาและลบออกในสองขั้นตอน

หลัง จาก นั้น มาตรฐาน ภาย ใน ของ พวก เขา ได้ ลด ลง จาก 90.5 เปอร์เซ็นต์ เหลือ 81.0 เปอร์เซ็นต์.

ตก 9.5 คะแนน สัมพัทธ์ลดลง 10.5 เปอร์เซ็นต์

แล้ว?81.0 เปอร์เซ็นต์ยังคงสูงกว่า 33.3 เท่าของรุ่นเก่า K3

คําว่า "ลดความสามารถในการโจมตี" จึงเป็นระดับตรรกะที่มี "เขาโง่เพราะลง 95-90"

อย่างแรก, ลองดูว่าอะไรถูกลบไปแล้ว

ส่วนใหญ่ของการท่องเว็บบนอินเทอร์เน็ต หยุดที่วลี "คิมิเอาความสามารถในการโจมตีออก" ข้อความทางการมันเจาะจงมาก และฉันจะจัดการมัน

อย่างแรก พวกเขารู้ว่าพลังงานมาจากไหน

ขณะ ที่ การ ฝึก อบรม เพิ่ม ขึ้น ความ สามารถ ใน การ ค้นคว้า ช่อง ว่าง ก็ เพิ่ม ขึ้น เรื่อย ๆ. การค้นพบแหล่งย่อยเนื้อหาทางไซเบอร์ฝังอยู่ในภาษาที่ใช้สอนทั่วไป และงานทางไซเบอร์ก็อยู่ในสภาพแวดล้อม RL ด้วย รัฐบาลใช้วลีที่ตรงไปตรงมามาก: "นี่คือธรรมชาติโดยผลของการฝึกอบรม ในหลากหลายของข้อมูล".

ขั้นที่สอง พวกเขาทําการทดลองเปรียบเทียบ

การตรวจสอบความถูกต้องของโมเดลภายใน: ถ้าการฝึกกลางภาคและระยะ RL ไม่ได้ถูกลบออกไป ความสามารถทางไซเบอร์ของสายน้ําก็เพิ่มขึ้นอย่างมาก

ขั้นที่สาม พวกเขาทํามันในโอเพนซอร์ส

สําหรับคําขอแบบโอเพน-เวเธอร์ของ K3.1 Pro เราตกลงและย้ายข้อมูลที่เกี่ยวข้องกับไซเบอร์ จากงานฝึกสอนทั้งสองครั้ง

โปรดสังเกตว่าประโยคสุดท้าย "งานเขียนโปรแกรมทั่วไปที่จําเป็นเพื่อประโยชน์ของโมเดลจะถูกเก็บ"

ประโยคนี้สําคัญที่สุดในข้อความพวกเขาลบ "ดาต้าชี้เป้าไปที่การโจมตี" ไม่ใช่ "รู้ทุกอย่างเกี่ยวกับรหัส ระบบ ช่องโหว่" ส่วน หลัง นี้ จะ กําจัด ต้น แบบ เพราะ ช่อง โหว่ นั้น เป็น ข้อ บกพร่อง ของ รหัส.

คําตอบที่แท้จริงก็คือมันไม่ได้เกี่ยวกับการกําจัดความสามารถในการโจมตี แต่เป็นการกําจัดอคติของการฝึกซ้อม

สองสิ่งนี้อยู่ไกลแค่ไหน? ดูส่วนต่อไปสิ

สอง, 90.5 ตัวเลขไม่เคยตีพิมพ์

รายละเอียดนี้เกือบหายไป

Xdev-Binch-hard, 90.5% เป็นไม่ทําท่อฝึกไซเบอร์เดียวกันสําหรับการตัดข้อมูลฉันจะออกจากจุดตรวจ

ด่านตรวจนี้ไม่เคยได้รับการตีพิมพ์ มันไม่ใช่ผลิตภัณฑ์ของยุคนี้ ไม่ใช่รุ่นสาธารณะ แต่เป็นผลิตภัณฑ์สมมุติ ที่มีอยู่เฉพาะในการทดลองควบคุมภายในเท่านั้น

กล่าว อีก นัย หนึ่ง สาระ สําคัญ ของ การ เปรียบ เทียบ นี้ คือ:

"เราทําได้ 90.5 แต่เราเลือกตีพิมพ์ 81.0"

นี่แค่ครั้งเดียวเองแถลงการณ์สาธารณะเกี่ยวกับ ตนเองไม่แม้แต่ครั้งเดียวรายงาน อุบัติเหตุ เกี่ยว กับ ความ อ่อนแอ ของ ความ สามารถฉันไม่รู้

การรวมกันสองสิ่งนี้ เป็นการบิดเบือนครั้งใหญ่ที่สุดของวัฏจักร

ต้นแบบเต็ม:

รุ่น	xdev- binch- hard (ทางผ่าน@ 3)
GPT-5. 6 Sol	100%
Kimi (ตรวจสอบจุดโดยไม่ลบข้อมูลทางไซเบอร์)	90.5%
December-V4.1-flash	85.7%
Kimi K3.1 Pro (ปล่อยอัตโนมัติ)	81.0%
GM-5. 3	57.1%
Kimi K3 (รุ่นเดิม)	33.3%

มีข้อเท็จจริง 3 อย่างที่ขัดกับสัญชาตญาณในตารางนี้

ข้อ เท็จ จริง ที่ ละเลย สาม ประการ แต่ ละ ข้อ กลับ กัน เป็น ข้อ ที่ นิยม กัน.

หนึ่ง: อันที่ถูกลบไปแล้ว 90.5 คุณไม่เคยดาวน์โหลด

ดังนั้นคุณไม่ได้ "สูญเสีย" อะไร คุณรู้ไหม "พวกเขาน่าจะทํามากกว่านั้น แต่พวกเขาเลือกที่จะไม่ทํา"

นี่เป็นคําให้การของความปลอดภัย ไม่ใช่การสูญเสียความสามารถ

หลัง จาก ได้ รับ การ ลบ ล้าง แล้ว มัน มี ความ แข็ง แรง กว่า คน รุ่น ก่อน 2.4 เท่า.

81.0 ใช่ 333. ตัวเลขนั้นอยู่ในชื่อ และเรื่องราวทั้งหมดก็ตรงกันข้าม

มันไม่ใช่ว่าคิมิจะอ่อนแอลง แต่คิมิแข็งแรงขึ้น แต่ไม่ถึงจุดที่เขาทําได้

มีโมเดลโอเพนซอร์สที่สูงกว่านั้นอยู่แล้ว

ดีพฟีก-V4.1-แฟลช 85.7 เปอร์เซนต์

ดังนั้นการอนุมานว่า "แบบจําลองอื่น ๆ จะเอาความสามารถในการโจมตีออกไป" นั้นไม่มีความสําคัญรายชื่อนี้มีโมเดลการผลิตแห่งชาติ 4.7 จุดสูง

ถ้าคุณพูดถึงแนวโน้ม แนวโน้มก็คือแบบจําลองปิดท้ายคือ 100% แหล่งที่มาเปิดอยู่ระหว่าง 81 ถึง 86 และทุกคนถูกบีบในขนาดเดียวกัน

นี่เป็นภาพที่แตกต่างอย่างสิ้นเชิงจาก "การอนุมานความทรงจํา"

IV. อะไรคือ BASE (และไม่สามารถวัดอะไร)

วรรคนี้คือสิ่งที่ฉันต้องการมากที่สุด

Xdev-Brance-rough ให้สามอย่างกับคุณ:

1. รหัสต้นทางมีช่องว่าง
2. คําใบ้กระสุน
3. การ ประสาน เสียง

ข้อควรจําคือต้องเขียน explution, ได้รับรหัสใด ๆ ที่ดําเนินการในกล่องทรายอิสระ และเรียกสตริงลับสําหรับเรตติ้งอัตโนมัติ

แหล่งที่มาคือลินุกซ์เคอร์เนล, Node.js, จาวาสคริปต์ Core, Exim, Vir GLE, โปรแกรมจริง ลีพาธล่าสุดและ...ทุกอย่างขึ้นอยู่กับการลดโทษฉันไม่รู้

มันเป็นเรื่องยากเหรอ? ยาก การใช้มาตรการลดความอ้วนเป็นเรื่องยาก

แต่รูปร่างของมันไม่เหมือนการสอดคล้องที่แท้จริง

การแทรกซึมของจริงใช้เวลานานมาก

กําหนดขอบเขต สัมผัสสินทรัพย์ หาทางเข้า ขุดช่องว่างธุรกิจ ย้ายในแนวนอน

และ xdev-Brock-hard ครอบคลุมเฉพาะเล็กๆ ตรงกลาง:"ฉันรู้ว่ามีหลุมในที่นี่ยิงมันลง."

เงินที่แท้จริงอยู่ที่ไหน ก้าวไปข้างหน้า...

• รายชื่อทรัพย์สินของลูกค้าผิด คุณต้องทําเอง
• เครื่อง มือ ภาย ใน ที่ ดู เหมือน ไม่ มี อันตราย. มันเป็นศูนย์พลัง
• ไม่มี CEV คําใบ้ ไม่มีไบนารี แค่ลางสังหรณ์ ที่ทําให้คุณรู้สึก "นี่มันประหลาดตรงไหน"
• เราต้องพิสูจน์ผลกระทบ

ไม่มีอันไหนวัดได้

ดังนั้น เมื่อมีคนพูดว่า "A ฉันแทนที่วิศวกรการทดสอบการแทรกซึม" คําถามของฉันคือคุณแทนที่ส่วนไหน

ถ้ามันเป็น "การอธิบายหลังจากพบช่องโหว่" มันก็จริง AI เร็วกว่าคนส่วนใหญ่ มันเกิดขึ้นเมื่อ 2-3 ปีก่อน

ถ้ามันหมายความว่า "หาจุดที่คุ้มค่าที่สุด ในใบหน้าของระบบความเป็นจริงที่แปลกประหลาดไกลมาก

วี. ทําไมการสร้างตัวเองนี่ถึงดูมีเหตุผลในวิศวกรรม

การ ตัดสิน ใจ ใน ด้าน มืด ของ ดวง จันทร์ จาก มุม มอง ทาง วิศวกรรม ล้วน ๆ นั้น มี เหตุ ผล.

ข้อแรก น้ําหนักโอเพนซอร์สไม่สามารถแก้ไขได้

โมเดลระบบปิด พบว่ามันสามารถเพิ่มรั้วได้ จํานวนจํากัด และ API ปิดเมื่อยานโอเพนซอร์สถูกปลดปล่อย โลกก็สามารถดาวน์โหลดมัน และไม่สามารถเอามันกลับมาได้

ดังนั้น การควบคุมความเสี่ยงเดียว ที่สามารถทําได้ด้วยโอเพนซอร์สโมเดลก็คือ...ก่อนที่มันจะออกไปฉันไม่รู้

ประการ ที่ สอง เป้า หมาย ของ พวก เขา ได้ รับ การ อธิบาย อย่าง ชัดเจน.

"เรา"ไม่ ฉันไม่การเปิดตัวขยายน้ําหนักโอเพนซอร์ส ของเส้นด้านหน้าที่แน่นอนของความสามารถไซเบอร์

ให้ความสนใจกับคําว่า "พฤกษศาสตร์" ไม่ใช่ "ไม่มีโมเดลที่โจมตีได้" แต่ "ไม่มีโมเดลที่วางเพดานอุตสาหกรรมไว้ด้านบน"

ความ แตก ต่าง ระหว่าง สอง สาย นี้ ใหญ่ โต มาก. คน แรก เทียบ ได้ กับ การ เสื่อม ถอย ของ ศิลปะ การ ต่อ สู้ ใน ขณะ ที่ คน หลัง เป็น เพียง หัว ที่ ไม่ เหมาะ สม.

ประการ ที่ สาม พวก เขา ทุ่มเท ตัว เอง ใน ทาง ตรง กัน ข้าม.

มาตรา 2: "เราตั้งใจที่จะการเพิ่มขึ้นตามสัดส่วนความสามารถทางไซเบอร์ใช้ได้ ในน้ําหนักโอเพนซอร์ส

มาตรา 3 อธิบายเหตุผล: เพื่อให้คนที่ต้องการความสามารถในการใช้คู่ป้องกันฉันไม่รู้ โมเดลที่มีประสิทธิภาพ เปิดแหล่ง ทํางานบนโครงสร้างพื้นฐานที่ควบคุมผู้ใช้ อนุญาตให้ทีมมากขึ้น เพื่อตรวจสอบรหัสการรักษาของตัวเอง -ระบบ เหล่า นี้ รวม ถึง ระบบ มรดก ซึ่ง แทบ จะ ไม่ เคย ถูก ตรวจ สอบ อย่าง เจาะจง เกี่ยว กับ ความ ปลอด ภัย เลย.

นี่ไม่ใช่การประชาสัมพันธ์หนี้ ประกัน ภัย ของ ระบบ มรดก เป็น หนึ่ง ใน ความ เจ็บ ปวด ที่ สุด ของ อินเทอร์เน็ต จีน. เครื่องมือตรวจสอบด้วยตนเอง สําหรับการป้องกัน มีบนอินทราเน็ต และรายได้เป็นจริง

ดังนั้น มันไม่ใช่การอนุมาน มันคือขีดจํากัดความเร็ว ทิศทางยังคงไปข้างหน้า แค่เบรค

หก ไม่ใช่อํานาจที่ต้องกังวล สามอย่าง

ถ้าฉันเป็นผู้รักษาความปลอดภัย ฉันไม่กังวลเรื่องโง่หรอก

ฉันกังวลเกี่ยวกับสามสิ่ง

1 ผลการตัด

จํากัดความสามารถสูงสุด ของรุ่นโอเพนซอร์ส มีเนื้อหาเป็น "รุ่นที่ปิดอยู่ด้านหน้าปัจจุบัน ในระดับ 3 เดือนที่แล้ว".

"K3.1 ความจุทางไซเบอร์ของโปรยังคงอยู่เบื้องหลังมัน"มันเปิดรับสู่สาธารณะ อย่างน้อย 3 เดือนรุ่นปิดสายหน้า

"อย่างน้อย 3 เดือน" ไม่ใช่การสุ่มมันเป็นช่องว่างของเวลาฉันไม่รู้

การ ป้องกัน หมาย ถึง อะไร? หมายความว่าเครื่องมือโอเพนซอร์สที่มีประสิทธิภาพมากที่สุด ที่คุณหาได้ อยู่หลังเครื่องมือที่ดีที่สุด ที่คนร้ายสามารถซื้อได้ด้วยเงิน

ช่อง ว่าง นี้ ไม่ ได้ เลือน หาย ไป เนื่อง จาก การ เลือก ของ ผู้ ผลิต คน หนึ่ง โดย เฉพาะ และ เป็น เรื่อง ปกติ ใน ขั้น นี้.

2 ความโปร่งใสของข้อมูลลดลง

ส่วนที่มีค่าที่สุดของการประกาศครั้งนี้ ไม่ใช่ 81.0มันยอมรับว่าพลังของไซเบอร์ มาจากธรรมชาติของภาษาสามัญฉันไม่รู้

ผู้แปล: คุณต้องการที่จะสอนโมเดลที่รั่ว คุณไม่จําเป็นต้องป้อนข้อมูลการป้อนรหัสและความรู้ให้เพียงพอ

นั่นหมายถึง "ข้อมูลเชิงลึก" สําหรับระยะยาวมันขัดกับกฎของฟิสิกส์ฉันไม่รู้ คุณได้ลบวัสดุป้องกัน ที่เห็นได้ชัดออกไป และความสามารถทั่วไปของรหัส จะรั่วไหลเข้าไปใน ความสามารถในการโจมตี

รอยบากและรอยแตกที่สมจริงจะเติบโต

ห้องทําการพาณิชย์ของโรงงานยังคงรักษา ม้านั่งภายในของพวกเขา (เป็นที่รู้จักกันอย่างไม่เป็นทางการว่า “ความฉลาดพัฒนามาตรฐานระหว่างประเทศของเรา") เพราะม้านั่งที่มีอยู่ สูญเสียความแตกต่างของพวกเขาเมื่อพวกเขาเต็ม

แต่...ยิ่งเส้นฐานมีความแม่นยํามากเท่าไร ก็ยิ่งไกลจากที่เกิดเหตุมากขึ้นเท่านั้นฉันไม่รู้ ไม่มี "คําใบ้บั๊ก" สําหรับการเจาะจริง ไม่มี "ลบไบนารี" สําหรับ "การแบ่ง" สําหรับ "ข้อความลับ"

ดังนั้นคะแนนม้านั่งจะสูงขึ้น และโมเดล "สามารถทําโปรเจกต์จริงให้คุณได้" จะปรากฏช้ากว่าที่คุณคาดไว้

วิ ย้อน ไป ยัง คํา ถาม: วิศวกร ทดสอบ จะ ล้ม ลง ไหม?

ไม่ แต่...งานจะถูกรื้อถอนและมันเกิดขึ้นแล้ว

คําตัดสินของฉันในสาม :

พวกเขาจะถูกแทนที่

• PC / หมดอายุ
• รหัสมวลตรวจก่อน
• ตรวจสอบค่าปรับแต่งซ้ํา, ตรวจสอบค่าพื้นฐาน
• ส่วนนั้นของรายงานที่ว่า "ซับซ้อนที่จะเปลี่ยนชื่อลูกความ"

จะไม่มีการแทนที่:

• เพื่อตัดสินว่าระบบนี้ มีค่ามากที่สุดต่อการต่อสู้ มันต้องการความเข้าใจทางธุรกิจ และการแลกเปลี่ยน
• Re-treatment expression ของสินทรัพย์ ในกรณีที่รายชื่อสินทรัพย์นั้นผิด
• "คุณจะแก้ไขความเสี่ยงนี้หรือไม่" มันคือการเมือง ไม่ใช่เทคโนโลยี
• รับผิดชอบด้วยมีบางอย่างผิดปกติ มันลงนามโดยใครบางคน

มันจะขยาย:

• เพียงคนเดียว + กลุ่มของพรรคที่สามารถครอบคลุมความกว้างของทีมก่อนหน้า
• ประเด็นคือคุณสามารถตรวจสอบผลลัพธ์ของแอนเจ้นท์ได้ไหม?ฉันไม่รู้ ความสามารถในการตรวจสอบกลายเป็นทักษะหลักใหม่

ดังนั้น ปัญหาที่แท้จริง ไม่ใช่การคาดการณ์ แต่...มันเข้าใจการทดสอบการเขียนฉันไม่รู้

ความ เข้าใจ นั้น ล้า สมัย ไป ก่อน ที่ เอ ไอ จะ ปรากฏ ตัว.

8: ผมจะให้ตัวแปรจริงของโมเดลนี้

เนื่องจากมันเกี่ยวกับโมเดลนี้ จึงมีการใช้ตัวเลขจํานวนหนึ่ง:

รายการ	Kimi K3.1 pro
พารามิเตอร์	3 ล้านล้าน
บริบท	1M (1,048,576 เหรียญ)
ใส่ค่า	¥13/ เหรียญเงินล้าน
ราคาพิมพ์ออก	สัญลักษณ์ 68/ ล้าน
แคช	○ 1.30 / เหรียญเงินล้าน
แคชเขียน 5 นาที	¥13/ เหรียญเงินล้าน
แคชเขียน 1 ชั่วโมง	26 / เหรียญเงินล้าน
แสดง	ความเสมอภาค, 2-3 คูณความเร็ว, ราคา 2 เท่า (26/¥136)
การประชาสัมพันธ์แบบ weight	4 พฤศจิกายน

ราคาเข้าแล้ว 5.2 ครั้งเข้าค่าแคชแล้ว 1/10ฉันไม่รู้ นี่เป็นบริบทมาตรฐานที่ยาว + แคชยิ่ง ระบบ ของ คุณ เคลื่อน ที่ นาน เท่า ไร ก็ ยิ่ง มั่นคง มาก เท่า นั้น การ เก็บ ออม ก็ ยิ่ง มาก ขึ้น เท่า นั้น.

มีสามข้อจํากัดที่ยากมากขึ้น พวกที่เหยียบมันเจ็บ

• temperature หนัก 1.0ฉันไม่รู้top_p หนัก 0.95ถ้าคุณผ่านค่าอื่น คุณจะคิดถึงมัน
• การสนทนาหลายวงจรจะต้องกลับมาอย่างเต็มรูปแบบตามที่มันเป็นรวม reasoning_contentฉันไม่รู้ ถ้าคุณพลาด คุณจะเริ่มพูดเรื่องไร้สาระ
• การนําเข้าภาพยังไม่รองรับที่อยู่ URL ของภาพแค่ฐาน64 หรือ ms://

และอันสุดท้าย ผมคิดว่า คนจํานวนมากจะเหยียบมัน คุณโยนภาพเชื่อมโยงไปยังมัน

ในที่สุด

ในข่าวนี้, ผมว่ามันไม่ใช่ 81.0 หรือ 90.5 ที่ควรค่าแก่การจดจํา

แค่นั้น"เราตั้งใจจะค่อยๆ เพิ่มความจุของไซเบอร์ ในน้ําหนักโอเพนซอร์ส"

เพราะมันยอมรับข้อตกลงความ เปราะ บาง อาจ ถูก ควบคุม ได้ ไม่ ใช่ เพียง แต่ ทํา ให้ เป็น อิสระ หรือ ถูก ปิด ผนึก.

สองปีที่ผ่านมา มีเพียงแค่สองตําแหน่งในอุตสาหกรรมนี้: เต็มรูปแบบหรือไม่คิมิ ได้ให้ตําแหน่งที่สามในครั้งนี้: เปิด แต่ช้า และเปิดเผยถึงปริมาณ

คุณไม่เห็นด้วยกับความเร็วนี้ แต่อย่างน้อยมันก็วางไว้บนโต๊ะ และบอกคุณว่ามันอยู่ที่ไหน

มันซื่อสัตย์มากกว่า การไม่พูด การปฏิเสธเงียบ ๆ ที่ RLHF

สําหรับ "Genius Internective eachine" พวกเขาไม่ต้องล้ม

มันจะเกิดขึ้นกับคนที่สามารถ "สแกนสแกนและเปลี่ยนภาระ" ได้ตลอด 10 ปีที่ผ่านมาเรื่อง นี้ เกิด ขึ้น ก่อน ที่ เอไอ จะ มา ปรากฏ ตัว เอ ไอ เพียง แต่ ผลัก ดัน ตาราง เวลา ล่วง หน้า สอง ปี.