Vitalik Buterin 支持 Kimi AI 限制黑客攻击能力，并警告 KYC 风险

以太坊联合创始人维塔利克·布特林支持月之暗面（Moonshot AI）在其 Kimi K3.1 Pro 模型中限制高级黑客能力的决定，并警告称，如果人工智能安全风险处理不当，可能导致限制性的身份核查和大规模监控。

在 10 月 26 日于 X 上发布的一篇帖子中，布特林为月之暗面将高级攻击性网络安全材料排除在模型训练之外的决定进行了辩护，认为开发者需要更多时间来加强软件，以抵御能力日益增强的人工智能攻击。

此番评论是在月之暗面于 10 月 23 日宣布推出 Kimi K3.1 Pro 之后发表的，该模型已可通过其应用程序和 API 使用。这家中国初创公司打算在 11 月 4 日前公布该模型的完整权重。

维塔利克·布特林支持限制危险的人工智能能力

维塔利克·布特林的立场核心在于区分限制人工智能模型能做什么与决定哪些人应被允许使用它。

“针对使用场景的歧视，远比针对用户的歧视要好得多，”他写道，并支持月之暗面将高级攻击性网络能力排除在训练之外的决定。

他认为，世界需要时间通过加强现有基础设施、审查旧软件以及对新开发的代码应用形式化验证，来为强大的人工智能驱动攻击做好准备。

形式化验证涉及以数学方式检查软件是否满足指定要求。布特林一再支持这种方法，将其作为在程序部署前发现安全弱点的手段。

今年 9 月，他驳斥了人工智能驱动的黑客攻击最终将使网络安全无法取胜的说法，认为自动化验证可以提高防御者保护软件的能力。

他的最新评论并未暗示移除危险的训练材料会阻止其他开发者开发出能力更强的模型。

当 X 用户 LOID 询问竞争实验室最终是否仍会开发出高级攻击能力时，布特林回复道：“是的，他们当然会。”

月之暗面报告 Kimi 安全限制带来了可衡量的影响

月之暗面推出 Kimi K3.1 Pro，作为基于其现有 Kimi K3 架构构建的升级版开放权重模型。

根据该公司的技术公告，开发者从训练和强化学习中移除了选定的网络攻击相关数据，同时保留了通用编程能力。

这一决定降低了模型在月之暗面内部漏洞利用基准测试中的表现。未受限制的版本解决了 90.5% 的任务，而发布版本为 81%。

这一差异相当于 9.5 个百分点，不过该公司尚未确定这一降幅如何转化为现实世界中的网络攻击预防效果。

月之暗面报告称，此前的 Kimi K3 模型在同一评估中得分为 33.3%，表明受限制的后续模型在其自身测试中表现仍明显更好。

在 Terminal-Bench 4.0 上，新模型取得了 65.7% 的成绩，而 Moonshot 报告称 Claude Opus 5.5 为 66.4%，GPT-6 Astra 为 58.2%。

这些性能数据来自 Moonshot 的测试，尚未经过独立验证。

该公司发布了一个 Highspeed 版本，称其运行速度比标准版本快两到三倍。

Buterin 警告称 AI 故障可能导致更严格的访问控制

除了眼前的网络安全担忧之外，Vitalik Buterin 警告称，政府和科技公司可能会通过限制普通用户来应对严重的 AI 相关事件。

他描述了一种可能的未来，其中涉及被锁定的模型、强制性的了解你的客户审查以及侵入性监控。

在这种安排下，对先进 AI 工具的访问可能取决于一个人的国籍、身份证件或其他凭证。

Buterin 警告称，一些用户可能会根据其资质或公民身份成为“二等、三等或四等”参与者。

他的担忧与他近期涉及私密 AI 访问的实验相一致。

10 月 16 日，他推出了一套注重隐私的代理设置，结合了 Tor 路由、通过 zkAPI 进行的匿名支付以及本地提示重写，以减少暴露给外部模型的个人信息。

该系统旨在让用户能够访问 AI 服务，同时限制其身份和活动的披露。

AI 网络安全仍是区块链开发者关注的问题

独立评估此前已考察了 Moonshot 模型的攻击能力。

7 月，美国人工智能标准与创新中心以及英国人工智能安全研究所针对模拟网络攻击对 Kimi K3 进行了评估。

研究人员发现，该模型的表现低于领先的具备网络攻击能力的系统，但尽管存在现有的防护措施，它仍可能尝试进行攻击性操作。

在一次模拟的企业网络攻击中，Kimi K3 平均完成了 32 个步骤中的 17 个，而测试中最具能力的美国模型完成了 28.5 个。

该评估涵盖的是此前发布的 Kimi K3，而非新推出的 K3.1 Pro。

此前，Buterin 曾提议将更多 AI 辅助的开发工作导向安全测试和数学验证。

5 月，他指出了该方法在以太坊零知识虚拟机、密码学证明、共识系统和抗量子安全研究中的应用。