مؤسسه‌های ایمنی هوش مصنوعی ایالات متحده و بریتانیا دریافتند که Kimi K3 چین در مورد توهین سایبری بسیار از مدل‌های غربی عقب مانده است.

یک ارزیابی اولیه مشترک توسط موسسات ایمنی هوش مصنوعی دولت ایالات متحده و بریتانیا به این نتیجه رسیده است که مدل وزن باز Kimi K3 مونشات AI مدل های پیشرو مرزی ایالات متحده را با فاصله زیادی در وظایف سایبری تهاجمی دنبال می کند. این یافته که در 25 ژوئیه 2026 منتشر شد، یک نقطه داده مشخص را به بحث تشدید کننده در مورد نحوه برخورد با سیستم‌های هوش مصنوعی توسعه‌یافته چینی که در داخل ایالات متحده پذیرفته می‌شوند، اضافه می‌کند.

این ارزیابی توسط موسسه ایمنی هوش مصنوعی ایالات متحده مستقر در NIST، معروف به CAISI، همراه با AISI بریتانیا منتشر شد. این یکی از اولین ارزیابی‌های رسمی غربی از Kimi K3 است که به طور خاص بر حوزه سایبری متمرکز شده است. برای خوانندگانی که چشم‌انداز سریع [خبرهای هوش مصنوعی] (https://aibuzzwire.news) را دنبال می‌کنند، این نتیجه برای هر یک از امتیازات معیار قابل توجه است تا آنچه که در مورد نقش روبه‌رشد آزمایشگاه‌های دولتی در بررسی مدل‌های خارجی قبل از اینکه به طور گسترده به کار گرفته شوند، نشان می‌دهد.

آنچه ارزیابی اندازه گیری کرد

Kimi K3 که توسط Moonshot AI مستقر در پکن منتشر شده است، یک مدل با وزن باز بزرگ است که پس از راه اندازی به سرعت توجه جهانی را برای عملکرد همه منظوره قوی به خود جلب کرد. توزیع باز آن به این معنی بود که محققان و توسعه دهندگان می توانستند وزنه ها را مستقیما دانلود و بررسی کنند، که به نوبه خود آن را به یک کاندید طبیعی برای آزمایش ایمنی خارجی تبدیل کرد.

گزارش مقدماتی جدید بر روی یک سوال محدودتر و حساس‌تر تمرکز دارد: این مدل در عملیات سایبری تهاجمی، چه نوع وظایفی که بیشترین اهمیت را برای آژانس‌های امنیت ملی دارد، چقدر توانایی دارد؟ به جای ارزیابی Kimi K3 بر اساس دانش یا استدلال گسترده، موسسات بررسی کردند که آیا می‌تواند به انجام حملات سایبری، سوء استفاده از آسیب‌پذیری‌های نرم‌افزاری یا در غیر این صورت به عملیات رایانه‌ای مخرب کمک کند.

اعداد: تقریباً 32٪ در مقابل 76٪

نتیجه تیتر یک شکاف شدید است. در ارزیابی قابلیت‌های سایبری، Kimi K3 تقریباً 32٪ امتیاز کسب کرد، در حالی که مدل‌های پیشرو مرزی ایالات متحده به حدود 76٪ رسیدند. مؤسسه‌های ایالات متحده دریافتند که مدل چینی می‌تواند تنها یک سوم از وظایف سایبری تهاجمی را که مدل‌های برتر غربی انجام می‌دهند، انجام دهد.

خروجی های متعددی که رهاسازی را می پوشانند، شکاف را به طور مداوم قاب می کردند. South China Morning Post گزارش داد که Kimi K3 "در توانایی حمله سایبری به خوبی از رقبای ایالات متحده عقب تر است" در حالی که Interesting Engineering گسترش 76% در مقابل 32% در معیارهای سایبری را برجسته کرد. ارزیابی به عنوان مقدماتی توصیف شده است، به این معنی که موسسات سیگنال می‌دهند که احتمال آزمایش‌های بیشتر قبل از نتیجه‌گیری نهایی وجود دارد.

چرا این شکاف ممکن است وجود داشته باشد

مدلی که در معیارهای عمومی قوی عمل می‌کند اما در مورد تخلفات سایبری ضعیف عمل می‌کند، معمای جالبی را ارائه می‌کند و تحلیل‌گران قبلاً شروع به بررسی آن کرده‌اند. مفسران در نوشتن The Decoder خاطرنشان کردند که تقطیر ممکن است بخشی از این اختلاف را توضیح دهد.

تقطیر یک تکنیک آموزشی است که در آن یک مدل با تقلید از خروجی های یک مدل «معلم» تواناتر به جای ایجاد هر قابلیتی از ابتدا یاد می گیرد. تحلیلگران استدلال می کنند که اگر کیمی کی 3 تا حدی از طریق تقطیر توسعه یافته باشد، می تواند سقف توانایی های خود را که توسط هر مدلی که به عنوان معلمش خدمت می کند، به ارث ببرد و به طور بالقوه عملکرد در سخت ترین وظایف مانند عملیات سایبری تهاجمی پیچیده را محدود کند.

آن فرضیه فقط همین است، یک فرضیه. گزارش اولیه دلیل وجود شکاف را حل نمی کند، فقط وجود دارد. سایر عوامل احتمالی عبارتند از محدودیت‌های عمدی قابلیت، تفاوت در داده‌های آموزشی، یا مبادلاتی که برای کارآمد نگه داشتن مدل به اندازه کافی برای اجرا بر روی سخت‌افزار در دسترس است.

یک پس‌زمینه سیاسی پربار

این ارزیابی در میانه فشار گسترده‌تر ایالات متحده برای بررسی دقیق سیستم‌های هوش مصنوعی چینی قرار دارد. در اوایل ماه ژوئیه، دولت ترامپ تلاش‌ها را برای محدود کردن استفاده از مدل‌های هوش مصنوعی توسعه‌یافته چینی در داخل ایالات متحده، با استناد به نگرانی‌های امنیت سایبری، احیا کرد و کیمی K3 مکرراً در آن بحث نام برد. قانونگذاران آمریکایی به طور جداگانه شرکت های آمریکایی را در مورد پیامدهای امنیت داده ادغام مدل های خارجی در محصولاتشان تحت فشار قرار داده اند.

در مقابل این پس‌زمینه، یک دولت دریافته است که برجسته‌ترین مدل وزن باز چینی در دو جهت ضعیف‌تر عمل می‌کند. برای کسانی که در مورد محدودیت ها بحث می کنند، شواهد رسمی ارائه می کند که مدل به اندازه کافی جدی گرفته می شود تا آزمایش شود. برای کسانی که مراقب نفوذ بیش از حد هستند، امتیاز سایبری نسبتاً پایین نیز این روایت را پیچیده می کند که هر مدل چینی نشان دهنده یک تهدید سایبری فوری است.

برای پذیرش وزن باز به چه معناست

نتیجه همچنین به یک بحث جداگانه در مورد هوش مصنوعی وزن باز به طور گسترده تر می خورد. طرفداران مدل‌های وزن باز استدلال می‌کنند که وزن‌های قابل دانلود رایگان، آزمایش ایمنی مستقل را دقیقاً مانند نمونه‌ای که CAISI و AISI بریتانیا انجام داده‌اند، امکان‌پذیر می‌سازد و توزیع باز را برای امنیت مثبت می‌کند. منتقدان مخالفت می کنند که همین باز بودن مانع را برای بازیگران مخرب برای اصلاح یا سوء استفاده از سیستم های توانا کاهش می دهد.

در مورد Kimi K3، در دسترس بودن وزن باز دقیقاً همان چیزی است که این ارزیابی مستقل دولتی را ممکن کرد. اینکه آیا امتیاز نسبتاً متوسط ​​سایبری به سیاست‌گذاران اطمینان می‌دهد یا هشدار می‌دهد، احتمالاً کمتر به خود عدد بستگی دارد و بیشتر به نحوه انتخاب سازمان‌های ایالات متحده و بریتانیا در چارچوب آن در هفته‌های آینده بستگی دارد.

در حال حاضر، ارزیابی اولیه به عنوان یک نقطه مرجع است: اولین اندازه گیری رسمی غربی از توانایی های سایبری تهاجمی Kimi K3، و اندازه گیری که آن را به خوبی پشت سر مدل های مرزی ایالات متحده قرار می دهد که اغلب با آن مقایسه می شود.

از هوش مصنوعی جلوتر بمانید

امتیازات قابلیت سایبری تنها در یک رقابت بسیار بزرگتر در مورد ایمنی هوش مصنوعی، مقررات و رقابت جهانی است. چشم‌انداز سیاست‌ها هر هفته در حال تغییر است، و از دست دادن یک ارزیابی واحد می‌تواند به معنای از دست دادن زمینه پشت عنوان بعدی باشد. [اخبار هوش مصنوعی را در AI Buzz Wire بخوانید] (https://aibuzzwire.news) تا با هر نسخه مدل، حکم دولت و ارزیابی ایمنی که مهم است همراه باشید.

از مسابقه هوش مصنوعی جلوتر بمانید - از AI Buzz Wire دیدن کنید