Кими К3.1 няма способността да отстрани атаката.

Първо, заключението е, че:Този път нямаше възможност за "де-атака" и нямаше и следа от "инструктор за проникване на гении."

Тъмната страна на луната, думите са:Те установиха, че данните от обучението включват редица защитни елементи, а след това бяха избрани и изтрити на два етапа: Средно обучение и RL.

След това собственият им вътрешен показател за проникване спадна от 90.5% на 81.0%.

Свалихме 9.5 точки. Относително понижение 10,5%.

И?81,0% все още е 2,4 пъти по-високо от 33,3% от техния предшественик K3.

Така че терминът "премахване на способността за атака" е логично ниво с "човекът става глупав, защото е спаднал с 95 на 90."

Първо, да видим какво е изтрито.

Повечето рецитации в интернет спират на фразата "Кими премахва способността да атакува." Официалният текст всъщност е много специфичен и ще го запиша:

Първо, те разбират откъде идва силата.

Тъй като мащабът на обучението се е увеличил, капацитетът за изследвания на вратички постоянно се е увеличил. Ретроактивно откриване на източника -Кибер съдържанието е вградено в генеричния език за средно обучение, а кибер задачата е също така в средата на RL. Правителството използва много откровена фраза: "Това е естествен страничен продукт на обучение в широк спектър от данни."

Втора стъпка, направиха експеримент за сравнение.

Утвърждаване на вътрешните модели: Ако фазите на средно обучение и RL не бъдат премахнати, след киберкапацитетът се увеличава значително.

Трета стъпка, те го направиха в отворен код.

По искане на K3.1 Pro, ние се съгласихме и преместихме данни, свързани с кибернетичното обучение, докато оставахме инструментите за кодиране, необходими за използването на модела.

Обърнете внимание на последното изречение: "Запазват се общите програмни задачи, необходими за полезността на моделите."

Това изречение е най-критично в текста.Изтрили са "данни, насочени конкретно към атаката," а не "всички знания за код, системи, вратички." Последният елиминира модела, защото самата вратичка е недостатък на кода.

Точният отговор е:Не става въпрос за премахване на способността за атака, а за премахване на пристрастието на обучение "насока към атака."

Колко далеч са тези две неща? Виж следващия раздел.

Две, 90.5. Номер, който никога не е публикуван.

Този детайл почти липсва.

Xdev- bench- hard, 90, 5%, еНе правете същата тръба за кибер обучение за отстраняване на данни Line"Излизам от контролния пункт.

Този контролен пункт никога не е бил публикуван. Това не е продукт от поколение, не е публична версия, а хипотетичен продукт, който съществува само в експериментите за вътрешен контрол.

С други думи, същността на това сравнение е:

"Можехме да направим 90.5, но решихме да публикуваме 81.0."

Това е само веднъж.Публично изявление за самоконтролНито веднъж.Доклад за произшествия с влошаване на капацитетаНе знам.

Комбинирането на тези две неща е най-голямото изкривяване на цикъла.

Пълен майстор:

Образец	xdev-bench-hard (pass@3)
GPT- 5, 6 Sol	100%
Kimi (проверка без отстраняване на кибер данни)	90.5%
DeepSeek-V4.1-Flash	85.7%
Кими К3.1 Pro (действително освобождаване)	81.0%
GM-5.3	57.1%
Kimi K3 (предишно поколение)	33.3%

На тази маса има три контраинтуитивни факта.

Три или три пренебрегвани факта, всеки обръща популярен един.

Първи факт: този, който беше изтрит, 90.5, никога не си свалял.

Значи не си изгубил нищо. Можеха да направят повече, но решиха да не го правят.

Това е декларация за сигурност, не загуба на капацитет.

Факт 2: След като беше изтрит, беше 2.4 пъти по-силен от предишното поколение.

81, 0 Да, 33.3. Това число е в заглавието, и разказът за цялото нещо е точно обратното --

Не Кими става слаба, а Кими става все по-силна, но не и до момента, в който може.

Факт III: Вече има модел с отворен код по-висок от този.

DeepSeek-V4.1-Flash, 85,7%.

Така че изводът, че "други модели ще премахнат способността за атака" е де факто без значение.Списъкът съдържа 4.7-точков национален производствен модел.

Ако кажете тенденции, тенденциите са:Моделът на затворения източник на глава е 100%, отвореният източник е между 81 и 86 и всеки е изстискан в една и съща скала.

Това е напълно различна картина от "колективна кастрация."

IV. Каква е базата (и не може да измери нищо)

Този параграф е този, който искам най-много.

Xdev-bench-hard ви дава три неща:

Изходен код с вратички
Намек за куршум.
Съответстващ бинарен

Изискването е да се напише expluit, да се получи всеки код, изпълнен в независима пясъчник кутия и извличане на таен низ за автоматичен рейтинг.

Източникът е Linux ядро, Node.js, JavaScriptCore, Exim, VirGL, истинският софтуер. Лий.Последни разкритияИ...Всичко е за смекчаване.Не знам.

Това нещо трудно ли е? Силно. Използването на мерки за смекчаване на последиците е наистина трудно.

Но формата му не е като истинското проникване.

Истинското проникване отне много време:

Настройте обхвата, докоснете авоарите, намерете входовете, копайте пропуските в бизнес логиката, движете се хоризонтално, изтеглете доказателствата, пишете доклади, обяснете на клиента.

И Xdev-bench-hard покрива само едно малко право в средата:"Знам, че има дупка тук, свали я."

Където са истинските пари, стъпките напред...

Списъкът с активите на клиента е грешен. Трябва да го направиш сам.
Вътрешен инструмент, който изглежда безобиден. Това е захранващ център.
Няма CVE, няма намек, няма двоичен, просто предчувствие, което те кара да се чувстваш "какво е това странно?"
Ще трябва да докажем удара.

Никое от тях не може да се измери.

Така че, когато някой каже, "АИ замени тестовия инженер," въпросът ми е:Коя част замени?

Ако е "експлоатирайте след намек за вратичка," вярно е, че Ал е по-бърз от повечето хора. Това се случи преди две или три години.

Ако означава "да намериш най-ценното място в лицето на странна, недефинирана, безгранична реална система,"Далеч.

Ви. Защо това самоприемство има смисъл в инженерството?

Решението от тъмната страна на луната, от чисто инженерна гледна точка, е рационално.

Първо, теглото на отворения източник е неотменимо.

Модел със затворен източник установи, че е твърде способен да добави ограда, ограничен брой и затворен API.След като се освободят тежестите с отворен код, светът може да ги изтегли и никога да не ги върне.

Единственият контрол на риска, който може да се направи с модели с отворен код е...Преди да е изгаснало.Не знам.

Второ, целите им са добре изразени.

"Ние"Не, не съм.Изстрелването разширява теглото на открития източник на абсолютната предна линия на кибер-капацитет.

Внимание към термина "абсолютен фронт." Не "без нападаеми модели," а "без модел, който поставя индустриалния таван на върха."

Разликата между двете линии е огромна. Първото е равносилно на отричане на бойни изкуства, докато второто е просто неправилна глава.

Трето, те се ангажираха с обратното.

Член 2: "Имаме намерениеПостепенно увеличениекибер способности, налични в тежести с отворен код.

В член 3 се обяснява обосновката: да се даде възможност на хората, които се нуждаят от възможност за използване с двойна употребаЗащитаНе знам. Мощен модел отворен източник, работещ върху контролирана от потребителя инфраструктура, който позволява на повече екипи да проверяват собствените си кодове за поддръжка -Те включват наследени системи, които почти никога не са били обект на специфичен преглед на сигурността.

Това не е изявление за връзки с обществеността.Дългът на системата за сигурност на наследството е една от най-големите проблеми на китайския интернет. В Интранет има самоуправление на одитния инструмент за защита и приходите са реални.

Не е кастрация, а ограничение на скоростта. Посоката е все още напред, само спирачка.

Шест, не е силата, която наистина се притеснява. Три неща са.

Ако съм практикуващ по безопасността, не се притеснявам да съм глупав.

Тревожа се за три неща:

1 Ефектът на рязане.

Горната граница на възможностите за модел с отворен код е обект на "текущ модел за затворен източник на ниво преди три месеца."

"К3.1 кибер-капацитетът на Про все още стои зад това."На разположение е поне от три месеца.Моделът за затворен източник.

Този "поне три месеца" не е случаен.Това е времева разлика.Не знам.

Какво означава това за защитата? В смисълНай-мощните инструменти с отворен код, които можете да получите са винаги три месеца зад най-добрите инструменти, които нападателите могат да купят с пари.

Тази празнина не изчезва в резултат на избора на конкретен производител и това е нормално на този етап.

2 Прозрачността на източниците на данни се срина.

Най-ценната част от това съобщение всъщност не е 81,0.Тя признава, че кибер силата идва от естествения страничен продукт на общия език.Не знам.

Ако искате да научите модел, който изтича, няма нужда да подавате данни.Хранене достатъчно код и системно знание, да.

Това означава "разглобяване на данни" в дългосрочен план.Противоречи на законите на физиката.Не знам. Изтрили сте очевидния защитен материал, и общата способност на кода ще се разпространи в способността за атака - 81,0 в списъка, което е доказателство само по себе си.

Показателите и реалистичните пукнатини ще растат.

Търговските камари на фабриката продължават да поддържат своите вътрешни показатели (официално известни като "клюп" еволюирайки нашите международни маркери), тъй като съществуващите бенчмаркове губят разграничението си, след като бъдат напълно попълнени.

Но...Колкото по-точна е базовата линия, толкова по-далеч от истинската сцена.Не знам. Няма "бъг намек" за истинско проникване, няма "отрицателен двоичен" за "възмездие" за "секретен низ."

Така резултатите от бенчмарка ще бъдат по-високи и моделът "може да завърши истински проект за вас" ще се появи по-късно, отколкото очаквахте.

vii. Ще паднат ли инженерите?

Не. Но...Работата ще бъде преразпределена.И вече се случва.

Моята преценка е в три:

Ще бъдат заменени:

PC / extloit
Първо маскод статичен одит.
Проверка на конфигурацията на дублиране, базова проверка
Тези части от доклада, които "се повтарят да променят името на клиента"

Няма да бъде заменен.

За да преценим за къде тази система си струва да се борим - изисква бизнес разбирателство и компромиси.
Възстановяване на признаването на активи в случаите, когато самият списък на активите е грешен
"Ще поправиш ли този риск или не?" Това е политика, не технология.
Поеми отговорност.Нещо не е наред. Подписан е от някой.

Тя ще бъде увеличена:

Един човек + група страни, които могат да покрият ширината на предишния екип
Въпросът е,Можеш ли да провериш изхода на "Ангент"?Не знам. Утвърждаването на капацитета става нови основни умения.

Така че истинският проблем не е да се предвиди, но...Тя разбира тестването на проникването като писмен пример.Не знам.

Това разбиране беше остаряло преди да се появи Ал.

Осем: ще ви дам реалните параметри на този модел.

Тъй като става въпрос за този модел, всъщност се използват няколко числа:

Позиция	Kimi K3.1 Pro
Параметри	3 трилиона.
Контекст	1M (1,048,576 символи)
Въведете цената	"Милионен знак"
Изходна цена	68/ милиона символи
Кеш	1.30 / Милион знак
Напиши 5 минути	"Милионен знак"
Кеш написа 1 час	26 / Милион символ
Експрес	Последователност, 2-3 пъти скорост, двойна цена (...)
Публикуване на тегло	4 ноември

Цената е въведена. 5, 2 пътиЦената на кеша е въведена. 1/10Не знам. Това е стандартната дълга контекст + Cache Приоритетна ценова структура:Колкото по-дълго се движи системата ти, толкова по-стабилна е, толкова по-големи са спестяванията.

Има още три трудни граници. Тези, които стъпят на него ще боли.

temperature Фиксирана 1.0Не знам.top_p Фиксирана 0.95Ако пропуснеш друга стойност, ще я пропуснеш.
Разговорите с няколко цикъла трябва да се върнат напълно.включително reasoning_contentНе знам. Ако го пропуснеш, започваш да говориш глупости.
Визуален входАдресът на изображението не е поддържан, само основа 64 или ms://

И последният, предполагам, е, че много хора ще стъпят върху него: хвърляте фотовръзка към него, и той не го сваля и просто се обърква.

Най-накрая.

В този бюлетин, мисля, че не е 81.0 или 90.5 това, което си струва да се запомни.

Това е:"Ние възнамеряваме постепенно да увеличим капацитета на кибер достъпно в тежести с отворен код."

Защото признава предпоставка...Възможностите могат да бъдат регулирани, а не просто либерализирани или запечатани.

През последните две години е имало само две позиции в индустрията по този въпрос: пълна или не.Кими даде трета позиция този път: отворен, но бавен, и публично посочи колко.

Не можеш да се съгласиш с тази скорост. Но поне го сложи на масата и ти каза къде е.

Това е много по-честно от неизречените откази на RLHF.

Що се отнася до гениалните инженери, не падат.

Ще се случи само на хора, които са успели да "сканират скенера и да сменят товара" през последните 10 години.Това се случи преди Ал да се появи, Ал просто измести графика две години напред.