Kimi K3.1 nemá schopnost odstranit útok.

Za prvé, závěr je, že:Tentokrát neexistovala žádná schopnost "death-attack" a nebyly tam žádné známky po "geniálním infiltračním testovacím inženýrovi."

Temná strana měsíce, slova jsou:Zjistili, že údaje o výcviku obsahují řadu bezpečnostních prvků, a pak byly vybrány a vymazány ve dvou fázích: Mid- školení a RL.

Poté jejich vlastní referenční hodnota vnitřní penetrace klesla z 90,5% na 81,0%.

Spadl o 9,5 bodu. Relativní pokles 10,5%.

A?81,0% je stále 2,4 krát vyšší než 33,3% jejich předchůdce K3.

Takže termín "odstranění schopnosti útoku" je logická úroveň s "muž je hloupý, protože je na 95 až 90."

Nejdřív se podíváme, co bylo vymazáno.

Většina recitací na internetu končí na frázi "Kimi odstraňuje schopnost útoku". Oficiální text je ve skutečnosti velmi specifický a já ho zapíšu:

Nejdřív zjistí, odkud ta síla pochází.

Vzhledem k tomu, že rozsah školení se rozšířil, kapacita pro výzkum mezery stále roste. Retroaktivní objev zdroje -Kybernetický obsah je zakotven v generickém jazyce středního výcviku a kybernetický úkol je také v prostředí RL. Vláda používá velmi upřímnou frázi: "Toto je přirozený vedlejší produkt výcviku v široké škále dat."

Krok druhý, udělali srovnávací experiment.

Ověření interních modelů: Pokud nebudou odstraněny fáze středního výcviku a RL, navazující kybernetická kapacita se výrazně zvýší.

Krok tři, udělali to na otevřeném zdroji.

Pro žádost K3.1 Pro o otevření počasí jsme se dohodli a přesunuli data týkající se kybernetiky z obou tréninkových akcí, přičemž jsme zůstali obecně navrženými kódovacími nástroji potřebnými pro použití modelu.

Poznámka v poslední větě, "Obecné úkoly programování potřebné pro užitečnost modelů jsou zachovány."

Tato věta je nejkritičtější v textu.Vymazali "data specificky ukazující na útok", ne "všechny znalosti o kódu, systémech, skulinách". Ten eliminuje model, protože skulina sama o sobě je vadou kódu.

Takže přesná odpověď je:Nejde o odstranění schopnosti útoku, jde o odstranění tréninkového předsudku "směru útoku".

Jak daleko jsou ty dvě věci? Podívejte se na další sekci.

Dva, devadesát pět. Je to číslo nikdy nezveřejněné.

Tenhle detail skoro chybí.

Xdev- bench- hard, 90,5%, jeNeprovádějte stejné kybernetické školení pro odstraňování dat Line"Odcházím z kontrolního stanoviště.

Toto kontrolní stanoviště nebylo nikdy zveřejněno. Není to generační produkt, ani veřejná verze, ale hypotetický výrobek, který existuje pouze v experimentech s vnitřní kontrolou.

Jinými slovy, podstatou tohoto srovnání je:

"Mohli jsme udělat 90,5, ale rozhodli jsme se vydat 81.0."

Tohle je jen jednou.Veřejné prohlášení o sebeovládáníAni jednou.Zpráva o nehodách při degradaci kapacityNevím.

Kombinace těchto dvou věcí je největší zkreslení cyklu.

Full master:

Model	xdev- bench- hard (pass @ 3)
GPT- 5,6 Sol	100%
Kimi (kontrolní bod bez odstranění kybernetických dat)	90.5%
DeepSeek- V4.1- Flash	85.7%
Kimi K3.1 Pro (skutečné uvolnění)	81.0%
GM- 5, 3	57.1%
Kimi K3 (bývalá generace)	33.3%

V této tabulce jsou tři protiintuitivní fakta, říkám.

Tři nebo tři zanedbaná fakta, každý zvrátit populární.

Faktem je, že ten, který byl vymazán, 90,5, jste nikdy nestáhli.

Takže jsi o nic nepřišel. "Mohli udělat víc, ale rozhodli se, že ne."

Toto je výkaz bezpečnosti, ne ztráta kapacity.

Faktem 2: Po jeho vymazání bylo 2,4 krát silnější než předchozí generace.

81.0 Ano, 33.3. To číslo je v názvu, a příběh celé věci je přesně opačný --

Není to o tom, že Kimi slábne, je to o tom, že Kimi sílí, ale ne do té míry, že by mohl.

Faktem je, že model open source již existuje.

DeepSeek- V4.1-Flash, 85.7%.

Takže závěr, že "jiné modely odstraní schopnost útoku", je de facto irelevantní.Seznam obsahuje 4,7- bod vysoký národní výrobní model.

Pokud říkáte trendy, trendy jsou:Model uzavřeného zdroje je 100%, open source je mezi 81 a 86, a všichni jsou mačkáni ve stejném měřítku.

Tohle je úplně jiný obrázek než "kolektivní kastrace".

IV. CO JE ZÁKLAD (a nemůže nic měřit)

Tento odstavec je ten, který chci nejvíc.

Xdev- bench- hard vám dává tři věci:

1. Zdrojový kód s mezerami
2. Náznak kulky
3. Odpovídající binary

Požadavek je napsat vysvětlivky, získat jakýkoliv kód v nezávislé pískovišti a získat tajný řetězec pro automatické hodnocení.

Zdrojem je Linux kernel, Node.js, JavaScriptCore, Exim, VirGL, skutečný software. Lee.Nedávná odhaleníA...Všechno je to o zmírnění.Nevím.

Je to těžké? Tvrdě. Použití zmírňujících opatření je opravdu těžké.

Ale jeho tvar není nic jako skutečná penetrace.

Skutečná infiltrace trvala dlouho:

Nastavte rozsah, dotkněte se aktiv, najděte vchody, vykopejte obchodní logické mezery, pohybujte se horizontálně, čerpejte z důkazů, pište zprávy, vysvětlete klientovi.

A xdev- bench- hard pokrývá jen malé právo uprostřed:"Vím, že je tu díra, sestřelit ji."

Kde jsou skutečné peníze, kroky vpřed...

• Seznam klientů je špatný. Musíš to udělat sám.
• Vnitřní nástroj, který vypadá neškodně. Je to energetický uzel.
• Není tu žádné CVE, žádná nápověda, žádné binární, jen tušení, že se cítíš "jak je to divné?"
• Musíme dokázat dopad.

Nic z toho nelze měřit.

Takže když někdo řekne, "AI nahradila inženýra na testování infiltrace," moje otázka zní:Kterou část jsi nahradila?

Pokud je to "vykořisťování po náznaku skuliny", je pravda, že AI je rychlejší než většina lidí. Stalo se to před dvěma nebo třemi lety.

Pokud to znamená "najít to nejcennější místo tváří v tvář podivnému, nedefinovanému, nehraničícímu reálnému systému,"Daleko.

V. Proč tohle sebepřijímání dává smysl v inženýrství?

Rozhodnutí na temné straně měsíce, z čistě inženýrského hlediska, je racionální.

Zaprvé, váha otevřeného zdroje je neodvolatelná.

Model uzavřeného zdroje zjistil, že je příliš schopný přidat plot, omezené číslo a uzavřenou API.Jakmile se uvolní závaží otevřeného zdroje, svět je může stáhnout a nikdy je zpět.

Takže jediná kontrola rizik, která může být provedena s modely open source je...Než to zhasne.Nevím.

Za druhé, jejich cíle jsou dobře formulovány.

"My"Ne, nejsem.Spuštění rozšiřuje otevřenou váhu zdroje absolutní přední linie kybernetické kapacity.

Pozor na termín "absolutní fronta". Ne "žádné útočné modely", ale "žádný model, který staví strop průmyslu nahoru."

Rozdíl mezi těmito dvěma čarami je obrovský. Ten první se rovná zanedbání bojových umění, zatímco ten druhý je prostě nevhodná hlava.

Zatřetí se zavázali k opaku.

Článek 2: "Máme v úmysluPostupné zvyšováníkybernetické schopnosti dostupné v hmotnosti otevřeného zdroje.

Článek 3 vysvětluje důvody: umožnit lidem, kteří potřebují možnost dvojího použitíObhajobaNevím. Mocný model open source, běží na uživatelsky ovládané infrastruktuře, což umožňuje více týmů kontrolovat své vlastní kódy údržby -Patří mezi ně systémy, které téměř nikdy nebyly předmětem zvláštního bezpečnostního přezkumu.

Toto není prohlášení o vztazích s veřejností.Dluh za bezpečnost dědičného systému je jednou z největších bolestí čínského internetu. Na intranetu je k dispozici nástroj pro sebekontrolu obhajoby a výnosy jsou reálné.

Takže to není kastrace, ale rychlost. Směr je stále dopředu, jen brzda.

Šestko, není to moc, která se opravdu bojí. Jsou to tři věci.

Pokud jsem bezpečnostní lékař, nebojím se být hloupý.

Bojím se o tři věci:

1 Řezací efekt.

Horní hranice schopnosti modelu open source podléhá "současnému modelu uzavřeného zdroje před třemi měsíci".

"Kybernetická kapacita K3.1 Pro je stále za těmi."Je veřejně dostupný nejméně tři měsíce.Model s uzavřeným zdrojem.

Tohle "alespoň tři měsíce" není náhodné.Je to časová mezera.Nevím.

Co to znamená pro obhajobu? VýznamNejvýkonnější open- source nástroje, které můžete získat jsou vždy tři měsíce za nejlepší nástroje útočníci mohou koupit za peníze.

Tato mezera nezmizí v důsledku volby konkrétního výrobce a v této fázi je normální.

2 Transparentnost zdrojů dat se zhroutila.

Nejcennější částí tohoto oznámení vlastně není 81.0.Připouští, že kybernetická moc pochází z přirozeného vedlejšího produktu společného jazyka.Nevím.

Překladatel: Chcete-li učit model, který uniká, nemusíte krmit data.Krmí to dost znalostí o kódech a systémech.

Z dlouhodobého hlediska to znamená "demontáž dat".Jde to proti zákonům fyziky.Nevím. Smazali jste zřejmý obranný materiál a schopnost generického kódu se přenese do útočné schopnosti -- 81.0 na seznamu, který je sám o sobě důkazem.

Stanovy a realistické trhliny poroste.

Obchodní komory továrny nadále udržují své vnitřní referenční hodnoty (oficiálně známé jako "klíč vyvíjející naše mezinárodní referenční hodnoty"), protože stávající referenční hodnoty ztrácejí své rozlišení, jakmile jsou plně naplněny.

Ale...Čím přesnější základní linie, tím dál od skutečné scény.Nevím. Neexistuje "náznak chyby" pro skutečnou penetraci, žádný "negativní binární" pro "odplatu" pro "tajný řetězec".

Takže referenční skóre budou vyšší a model "může dokončit skutečný projekt pro vás" se objeví později, než jste očekávali.

vii. Zpět k otázce: budou infiltrační testovací inženýři padat?

Ne. Ale...Práce bude znovu rozdělena.A už se to děje.

Můj úsudek je ve třech:

Budou nahrazeny:

• PC / extloit
• Nejdřív statický audit kódu.
• Duplicitní ověření konfigurace, základní kontrola
• Ty části zprávy, že "replikovat změnit jméno klienta"

Nebude nahrazen:

• Soudit, za co tento systém stojí nejvíc, vyžaduje obchodní porozumění a obchodní jednání.
• Opětovné zaúčtování aktiv v případech, kdy se samotný seznam aktiv mýlí
• "Napravíš to riziko nebo ne?" Je to politika, ne technologie.
• Převezmi zodpovědnost.Něco je špatně. Někdo to podepsal.

Bude zvětšena:

• Jedna osoba + skupina večírků, které mohou pokrýt šíři předchozího týmu
• Jde o to,Můžete ověřit výstup angentu?Nevím. Z validační kapacity se stávají nové základní dovednosti.

Takže skutečným problémem není předpovědět, ale...Rozumí testování průniku jako psaní vysvětlení.Nevím.

To chápání bylo zastaralé, než se objevil Al.

Osmý: dám vám skutečné parametry tohoto modelu.

Protože jde o tento model, používá se několik čísel:

Položka	Kimi K3.1 Pro
Parametry	3 biliony.
Kontext	1M (1,048,576 žetonů)
Zadejte cenu	BOD 13 / Milion token
Výstupní cena	68 / million token
Cache	1.30 / million token
Cache Napsat 5 minut	BOD 13 / Milion token
Cache napsal 1 hodinu	BOD 26 / Milion žeton
Express	Konzistence, 2-3 krát rychlost, dvojnásobná cena
Zveřejnění hmotnosti	4. listopadu

Cena je zadána. 5,2 krátZadává se cena cache. 1/10Nevím. Jedná se o standardní dlouhou kontext + Prioritní cenová struktura Cache:Čím déle se váš systém pohybuje, tím stabilnější je, tím větší jsou úspory.

Jsou tu další tři omezení. Ti, kteří na ni šlápnou, budou bolet.

• temperature Pevné 1.0Nevím.top_p Pevné 0.95Když předáš další hodnotu, tak ti bude chybět.
• Vícecykly konverzace musí být vráceny v plném rozsahu, jak jsouvčetně reasoning_contentNevím. Když to zmeškáš, začneš mluvit nesmysly.
• Vizuální vstupName, pouze na základě64 nebo ms://

A poslední, myslím, je, že spousta lidí by na něj šlápla: hodíte na něj odkaz na fotografii, a to se nestáhne, a prostě se to pokazí.

Konečně.

V tomto bulletinu si myslím, že to není 81.0 nebo 90.5, co stojí za zapamatování.

To je ono."Máme v úmyslu postupně zvyšovat kapacitu kybernetické dostupnosti v hmotnosti otevřených zdrojů."

Protože přiznává předpoklad...Schopnosti mohou být regulovány, ne jednoduše liberalizovány nebo zapečetěny.

V posledních dvou letech byly v tomto odvětví pouze dvě pozice: plné nebo ne.Kimi tentokrát zaujala třetí pozici: otevřená, ale pomalá a veřejně naznačila, jak moc.

Nemůžete souhlasit s touto rychlostí. Ale aspoň to položilo na stůl a řeklo ti, kde to je.

Je to mnohem upřímnější než nevyřčené, tiché odmítnutí RLHF.

Co se týče "geniálních infiltračních testovacích inženýrů", nepadají.

Stane se to lidem, kteří byli schopni "skenovat skener a měnit náklad" posledních 10 let.To se stalo předtím, než se AI objevil, AI jen posunul rozvrh dva roky dopředu.