UK AISI与CAISI联合评估了月之暗面（Moonshot AI）的Kimi K3模型，结论是：其在网络攻防能力上显著落后于美国前沿模型，但在开源模型中处于领先位置。
测试结果
评估采用两条基准线：一是ExploitBench，由卡内基梅隆大学开发，测试模型围绕V8引擎最新漏洞开发完整漏洞利用代码的能力；二是“The Last Ones”模拟企业网络攻击测试，共32步、跨越4个子网约20台主机，由人类专家完成需约20小时。
ExploitBench测试中，Kimi K3得分为32%，优于GLM-5.2的24%，但在41个样本中未能实现任意代码执行（ACE），而前沿美国模型平均在41个样本中完成了20个最高级别的任意代码执行。在“The Last Ones”测试中，Kimi K3平均走到第17步，前沿美国模型平均走到28.5步；同样条件下GLM-5.2平均只走到第11步。在100M-token限额内，Kimi K3在10次尝试中有1次成功完成全部32步攻击路径。
安全防护与评估局限
Kimi K3的安全防护未能阻止其在测试中尝试漏洞开发或进攻性网络操作，表明当前防护机制对这类任务的限制作用有限。评估同时指出，模拟环境缺少主动防御者和告警机制，攻击路径也是预设的，与真实网络攻防场景存在差距。
编注：信源为NIST转载英美AI安全机构联合报告，内容为技术评估结论；材料未涉及Kimi K3在其他能力维度或商业应用场景的表现。