英美机构初评Kimi K3网络能力：开源模型领先，仍落后于美国前沿模型

英国人工智能安全研究所（UK AISI）与美国AI标准与创新中心（CAISI）联合评估了Moonshot AI于2026年7月16日发布的Kimi K3；该模型计划最迟于7月27日开放权重。此次初步评估聚焦网络安全能力，只使用了一小组公开及私有基准。由于Kimi K3的托管方式限制，两家机构仅选择性运行部分测试；作为对照的美国闭源模型则关闭了系统级安全措施，以减少拒答并测量其最大能力，公开版本仍启用这些措施。

综合能力采用受项目反应理论启发的方法计算，但Kimi K3的估值仅来自ExploitBench，因此置信区间更大。该基准由Carnegie Mellon University开发，以V8引擎中41个2023年后披露的漏洞为对象，测试覆盖与崩溃复现、任意读写、控制流劫持和任意代码执行等环节。UK AISI与CAISI的结果显示，Kimi K3得分32%，高于截至2026年6月网络能力最强的开放权重模型GLM-5.2的24%；但它在41项任务中均未实现任意代码执行，而能力最强的模型平均可在20项任务中达到这一最高严重度结果。

在“The Last Ones”模拟攻击环境中，模型需要沿着横跨4个子网、约20台主机的32步路径行动，人类专家约需20小时完成。Kimi K3在1亿token上限内平均推进至第17步，高于GLM-5.2的第11步，但低于美国能力最强模型平均达到的28.5步。它在10次尝试中有1次完成全部路径；此前已有4款公开发布的闭源模型完成过该测试，其中能力最强者的成功率分别为6/10和7/10。该环境没有主动防守者及防御工具，不惩罚触发安全警报的操作，并预设了一条可行攻击路径。

华盛顿特区外围一条输电线路本周发生故障，原本通常只需数秒恢复的电网却用了十多分钟才稳定，原因是超过3吉瓦的数据中心负载几乎同时退出。运营插座物联网传感器网络的Ting Labs收集到的数据显示，电压波动从Northern Virginia一路扩展至Chicago。事件没有造成停电，但区域内灯光出现闪烁。Northern Virginia位于PJM Interconnection辖区，拥有全球最密集的数据中心群；PJM管理New Jersey至Illinois之间的电网，为6700万用户供电。

据PJM数据，线路故障触发数据中心转用备用电源，约3.1吉瓦负载在约30秒内消失；电网短暂恢复后，又有更多负载退出，过剩电力峰值达到3.49吉瓦，随后再用11分钟恢复稳定。据Reuters，这批断开的数据中心约占PJM当时总需求的3%。电网要求供需保持近乎实时平衡：最初的供电下降引发电压变化，各数据中心检测到波动后几乎同步离网，进一步放大需求降幅，最终形成供给过剩。Independent Electricity System Operator高级市场模型专家Ali Zain Banatwala向TechCrunch表示，这些设施都在相隔数秒内作出断开决定。

Banatwala提出，相邻的大型负载需要依次断开或重连，以便电网运营方预先制定更稳健的处理程序。ON.Energy则开发了覆盖整个数据中心园区的不中断电源系统，将服务器、冷却机及其他设备置于电池组和电力转换设备之后，使电网看到相对稳定的单一负载；电力过剩时可为电池充电，供电下降时则向服务器送电，并能在毫秒级跟随电网变化。该公司CTO Ricardo de Azevedo称，正在4个数据中心园区安装总计3吉瓦的系统。2024年一次类似事件曾使60座数据中心同时退出、减少1.5吉瓦负载；据Synapse Energy Economics，数据中心当时约占PJM负载的6%，预计2040年将升至24%。

Anthropic与OpenAI为降低模型被用于恶意网络攻击的风险，设置了安全护栏，并建立面向审核通过者的特殊访问计划：OpenAI的Trusted Access for Cyber和Anthropic的Cyber Verification Program。2026年6月，美国政府曾对Anthropic的Mythos和Fable模型实施出口管制，相关行动至少部分受到一份护栏可被绕过、模型可用于构建并执行恶意攻击的报告推动。此后Fable 5与Mythos 5的限制被解除：Fable 5于7月1日恢复普遍访问，Mythos 5则在政府审查流程下重新向经过审核的美国机构提供。

多名从事进攻性网络安全工作的研究者向TechCrunch描述了护栏对实际工作的影响。NCC Group首席科学家Chris Anley称，让模型尝试利用程序缺陷，是确认漏洞真实存在且值得修复的关键步骤；但“修复这段代码”既是防御手段，也可能成为定位关键漏洞的路线图，两者难以拆分。模型因此拒答时，他和同事有时改用完全没有护栏的开源模型。某智能手机零部件制造商的一名匿名研究者称，其雇主未加入Anthropic的Cyber Verification Program，只要模型察觉任务涉及安全研究便会停止，工具因而很难用于漏洞发现。

不同研究者对AI的使用范围并不相同。Crowdfense首席技术官Paolo Stagno称，团队只用前沿模型进行逆向工程，不把未公开漏洞或漏洞利用开发内容输入云端模型，以免敏感数据外泄或进入未来训练；相关工作改用本地运行、不向外共享数据的开源模型。漏洞研究者Giuseppe Cali则表示，护栏没有妨碍他的工作，因为他只用AI完成早期逆向分析、理解代码和制作辅助工具，漏洞发现与武器化仍由自己完成。RemoteThreat首席执行官、Offensive AI Con创办人Chris Thompson称，即使在Anthropic与OpenAI审核计划提供的较宽松边界内，护栏表现也不一致，研究者会把时间花在与模型反复交涉上。

Oracle为扩建AI算力基础设施采取重组和裁员措施。到2026财年末，员工数由16.2万降至14.1万，减少约2.1万人、占员工总数约13%。公司此前与OpenAI签订价值3000亿美元的合同，成为其主要AI算力供应商，配套数据中心建设令现金流承压。

Oracle参与规划威斯康星州Port Washington一座近1吉瓦、估值约150亿美元的数据中心。因其信用评级由BBB降至BBB-，当地规则要求提供逾70亿美元现金抵押或信用证，接入电网后的维护成本每年还将超过1亿美元。Oracle已就要求诉诸法院；美国至少24个州已为大型用电户制定特别费率、最低条件、退出罚金或抵押要求。

Black Forest Labs向mimic robotics提前开放多模态基础模型FLUX 3，双方据此开发视频—动作模型FLUX-mimic，并已在Audi测试和部署的机器人上运行。FLUX 3从训练之初便联合处理图像、视频和音频，FLUX-mimic则在其视频预测路径的中间特征上加入轻量动作解码器，用于通用机械操作。

视频预测占FLUX 3总训练算力成本逾95%，带音频的720p视频中，音频所占token不足0.5%。一次大规模训练加入动作预测后，文本生成视频和图像生成视频的人类评分最初最多下降10%；经过3500个训练步骤，视频生成质量恢复至此前水平，同时模型具备动作预测能力。模型以同一主干支持内容生成与机器人控制。

AMD在Advancing AI活动上介绍Instinct MI455X，以新CDNA5架构取代MI355X，定位机架级AI部署，并采用TSMC CoWoS-L封装。配套Helios机架方案可在单个pod内扩展至72块GPU，高于上一代系统的8块；其网络采用基于以太网的UALink架构，支持整机架单跳全互联通信。

单块MI455X包含8个XCD、共256个WGP，最高引擎频率2.4GHz；矩阵或向量FP32峰值为315 TFLOP，OCP MXFP4最高40.26 PFLOP。12组HBM4提供432GB显存及23.3TB/s带宽。芯片另配192MB全局L2缓存，总带宽54TB/s；两个独立缓存域之间的双向die-to-die互连带宽约14TB/s。

Hetzner正在自有基础设施上试验兼容OpenAI API的推理服务。用户可在Experiments控制台创建token，再把OpenAI客户端指向Hetzner的接口地址。目前仅提供Qwen/Qwen3.6-35B-A3B-FP8：该混合专家模型共有350亿参数、激活30亿参数，支持文本和图像输入，具备262K上下文窗口并采用FP8量化权重。

这项试验目前没有计费、SLA或生产保障，Hetzner希望借此了解用户需求、系统扩展能力、关键功能和可承载负载。文章作者在2026年7月23日进行了小规模测试：已建立连接的7次短请求首个token中位耗时153毫秒，5次最长512 token的生成平均每秒输出224个token；模型完成了多数格式、检索和图像任务，但答错两道简单算术题。

一名曾于2013年共同创办开源云原生公司 Mesosphere 的作者，将开放权重 AI 与 Kubernetes 的崛起类比。他指出，开放权重通常允许下载和修改训练参数，但训练数据与完整训练流程并不公开，因此不完全符合 Open Source Initiative 对开源 AI 的定义；其可运行、可修改和可再分发的特性仍能承载开发生态。

文章列举 vLLM、SGLang、llama.cpp、Ollama 和 MLX 等推理工具，并称 Hugging Face 已托管逾200万个公开模型。Z.ai 发布的 MIT 许可 GLM-5.2 自测 SWE-bench Pro 得分为62.1%，GPT-5.5 为58.6%；Moonshot 称 Kimi K3 接近闭源前沿模型，并承诺7月27日发布权重。文章同时反对限制美国研究人员和企业使用中国开放权重模型。

一名此前没有 Swift 开发经验的作者记录了用 AI 制作 iOS 习惯追踪应用 HabitTed 的经历。他与妻子需要长列表、本地数据、自定义图标、按日周月设定目标、仅记录次数、添加笔记和提醒等功能；试用 Streaks、HabitKit 和 Grit 后，因功能或价格不合需求，决定从去年3月开始自行开发。

项目启动时 Cursor 提供免费额度，而 Claude Code 尚未发布。作者需要在 Cursor 与 Xcode 间往返，把开发拆成小任务，逐项让 AI 生成代码并手动测试。约一个周末投入6小时后，应用已能创建和编辑习惯、使用自定义图标、点击完成、设置多种目标并通过 iCloud 同步；但每遇错误，他主要复制报错交给 AI 修复，自述这一过程并未让自己学到多少 Swift。

Bluesky 本周为 AI 助手 Attie 增加 Quests 功能，使其从无需编程即可制作自定义信息流的工具，扩展为开放式社交研究工具。用户可询问 Bluesky 及采用 AT Protocol 的其他应用中传播的新闻、趋势和讨论，也可查找特定领域或地区较具影响力的账号。新版目前处于测试阶段，将在未来数周从候补名单中邀请用户。

Attie 于3月推出，目前免费，Bluesky 曾考虑对这项服务收费。Jay Graber 表示，产品希望降低使用 AT Protocol 和定制社交体验所需的专业门槛；Attie 也在重新设计无障碍功能和标志。Bluesky 用户数去年10月在一年内翻倍至4000万，目前约有4560万个注册账户。公司3月称，已完成一轮于2025年结束的1亿美元融资。

OpenAI 周四更新 ChatGPT 桌面应用，加入 ChatGPT Voice，用户可通过语音控制 AI 智能体并在电脑上执行任务。该功能采用本月早些时候发布的 ChatGPT-Live 语音模型系列，可配合 ChatGPT Work、Codex 及电脑操作能力使用，在网站和应用中查找信息；macOS 用户还可借助 Appshots 授权应用读取屏幕内容及替代文本。

与主要改善对话流畅度和打断处理、但不能在手机上执行操作的首发移动版本相比，桌面更新可接收包含多个步骤的复杂指令，并在需要时向用户追问。OpenAI 的演示中，一名开发者用一条语音命令要求 ChatGPT 新建线程、创建拉取请求并查找错误根因。OpenAI 还表示，用户可通过远程访问，在 iOS 应用中以 ChatGPT Voice 使用 Codex。

美国多地公共图书馆开设“Avoiding AI”工作坊，指导公众关闭设备及平台内置的生成式AI功能。南费城图书管理员 Charlie Bailey 的一小时课程先介绍聊天机器人等消费级AI工具的原理与用途，再逐步演示如何停用 Apple Intelligence、Gemini 等功能。他告诉 TechCrunch，课程源于人们对AI工具被强制加入日常生活的挫败感。

Bailey 的课程借鉴缅因州图书管理员 Hannah Cyrus。Cyrus 发表课程设计文章后，收到全球数十名图书管理员联系。她以往的电脑入门课约有12人参加，首场避用AI课程报名达到30人上限并启用候补名单；计入 Zoom 直播后，前两场各约70人参加。费城场活动的 Instagram 帖子获得逾2000个赞和220次分享，报名需求促使 Bailey 增开第二场。

加拿大新不伦瑞克省议会议员 Bill Oliver 在上月一次议会演讲中，读出了一句疑似由大语言模型生成的编辑提示。他先谈到设立倡议办公室可能使公民产生超出其实际权限的期待，随后直接念出「这是该部分更自然、流畅的版本，读起来更像议会演讲，而不是一系列短句」，内容具有模型改写建议的典型形式。

Oliver 是 Progressive Conservative Party 成员。这段异常表述当时基本未受注意，相关视频于本周早些时候开始在 Reddit、Threads 等社交平台传播，随后获得加拿大主流媒体关注。Canadian Broadcasting Corporation 和 The Toronto Star 均报道了此事；后者将其置于社会对公职人员把职责交给AI的争议中讨论。

一个AI代理失当事件语料库收录了3607起用户报告，涵盖代理未按用户意图行动的不同情况。事件采用多标签分类，同一报告可同时属于破坏性操作、过度主动等类别，因此各类别数量之和会超过事件总数。按影响程度划分，1468起没有实际损害，1373起造成可恢复的轻微损失，618起产生需要付出实际成本才能恢复的显著影响。

其余事件中，121起被归为造成不可逆或关键伤害的严重事件，另有27起因评级缺失或无法解析而未评级。报告采集自 GitHub issues、Hacker News、LessWrong 和 X，统一整理后由大语言模型按14类失当行为标注。公布数字仅涵盖置信度不低于0.9的已发布子集，不含 AI Incident Database 和 X；采集、分类代码及完整处理流程已在 GitHub 开源。