Exchange Ranking
Top Exchanges
24h Volume Ranking
Popularity Ranking
Exchange BTC Balance
Proof of Reserves
Decentralized Exchanges
Funding Rate
Funding Heatmap
Liquidation Data
Max Pain
Long/Short Ratio
Whale L/S Ratio
Binance/Okex/Huobi L/S
Bitfinex Margin L/S
ETF Tracker
Solana ETF
XRP ETF
Hong Kong ETF
Bitcoin Treasuries
Crypto Reversal
Ethereum Reserves
HyperLiquid Wallet Analysis
Hyperliquid Whale Watch
Large Transactions
On-chain Movement
Bitcoin ROI
Stablecoin Market Cap
Options Analysis
News
Articles
Economic Calendar
Features
Wallet
Contract Calculator
Security
Collections
Watchlist
Following
ETH 以太坊联合创始人支持Moonshot AI限制Kimi K3.1 Pro的高级黑客能力
以太坊联合创始人维塔利克·布特林（Vitalik Buterin）对Moonshot AI决定在其Kimi K3.1 Pro模型中限制高级黑客能力的做法表示支持。他警告称，如果AI安全风险处理不当，可能会导致严格的身份验证和广泛的监控。
核心观点：区分“功能限制”与“用户歧视”
维塔利克·布特林的立场核心在于区分“限制AI模型能做什么”与“决定哪些人可以使用它”。他在10月26日发布的帖子中为Moonshot的决定辩护，认为该公司从训练数据中排除高级网络攻击材料是合理的。他指出，开发者需要更多时间来加强软件防御，以应对日益强大的AI攻击。
布特林强调：“针对用例的限制远比对用户的歧视要好得多。”他认为，世界需要时间来通过加强现有基础设施、审查旧有软件以及对新开发代码应用形式化验证（Formal Verification），来准备应对强大的AI驱动攻击。
形式化验证是一种通过数学方法检查软件是否满足特定要求的技术。布特林一直支持这种方法，认为它能在程序部署前发现安全弱点。今年9月，他曾反驳称AI驱动的 hacking 最终会使网络安全变得无法取胜的观点，主张自动化验证可以提高防守方保护软件的能力。
Moonshot的安全限制带来了可衡量的影响
Moonshot将Kimi K3.1 Pro定位为基于其现有Kimi K3架构的升级版开源权重模型。根据公司的技术公告，开发人员从训练和强化学习中删除了部分与网络攻击相关的数据，同时保留了通用的编程能力。
这一决定导致模型在Moonshot内部漏洞利用基准测试中的表现有所下降。未受限版本的解决率为90.5%，而发布版本仅为81%。尽管差距为9.5个百分点，但公司尚未明确这种性能下降在实际网络攻击预防中的具体转化情况。值得注意的是，之前的Kimi K3模型在同一评估中的得分仅为33.3%，表明受限的新版本在其自身测试中仍表现出显著的性能提升。
在Terminal-Bench 4.0测试中，新模型取得了65.7%的成绩，相比之下，Claude Opus 5.5得分为66.4%，GPT-6 Astra得分为58.2%。这些数据来自Moonshot的内部测试，尚未得到独立验证。此外，公司已发布了一个高速版本，声称其运行速度比标准版快两到三倍。
布特林警告：AI失败可能导致更严格的访问控制
除了直接的网络安全隐患外，维塔利克·布特林还警告说，政府和科技公司可能会因严重的AI相关事件而对普通用户实施限制措施。他描绘了一种可能的未来景象：模型被锁定、强制进行“了解你的客户”（KYC）检查以及侵入式监控。
在这种安排下，访问高级AI工具可能取决于个人的国籍、身份证件或其他凭证。布特林警告称，一些用户可能会根据其资格或公民身份成为“二等、三等甚至四等”参与者。
他的担忧与其近期进行的私人AI访问实验一致。10月16日，他推出了一种注重隐私的智能体设置，结合了Tor路由、通过zkAPI进行的匿名支付以及本地提示词重写，以减少暴露给外部模型的个人信息。该系统旨在允许用户在限制身份和活动披露的同时访问AI服务。
区块链开发者持续关注AI网络安全
独立的评估机构此前已对Moonshot模型的攻击能力进行了考察。今年7月，美国人工智能标准与创新中心及英国人工智能安全研究所对Kimi K3在模拟网络攻击中的表现进行了评估。研究人员发现，虽然该模型的表现低于领先的网络能力系统，但在现有安全措施下，它仍能尝试执行攻击操作。
在一次模拟企业网络攻击中，Kimi K3平均完成了32步中的17步，而受测的最强大美国模型平均完成了28.5步。该评估针对的是之前的Kimi K3版本，而非新推出的K3.1 Pro。
此前，布特林曾提议将更多的AI辅助开发工作导向安全测试和数学验证。今年5月，他指出该方法可应用于以太坊的零知识虚拟机、密码学证明、共识系统以及抗量子安全研究等领域。
