Moonshot Mengurangi Kemampuan Peretasan Kimi K3.1 Pro Menjelang Perilisan Terbuka dan Aturan Ekspor China

Skor peretasan menurun, tetapi model lebih kuat

Moonshot AI, perusahaan rintisan asal Beijing, mengatakan telah mengurangi kemampuan peretasan ofensif Kimi K3.1 Pro sebelum berencana merilis berkas modelnya pada 4 November 2026. Perubahan tersebut menurunkan skornya dalam uji internal eksploitasi perangkat lunak dari 90.5% menjadi 81.0%, meski skor model hasil perubahan itu masih jauh di atas pendahulunya yang meraih 33.3%.

Moonshot merilis K3.1 Pro pada 23 Oktober dan menjelaskan pembatasan tersebut dalam pernyataan pada 24 Oktober. Pendekatannya adalah menghapus materi yang digunakan untuk mengajarkan keterampilan siber tertentu, sambil mempertahankan kemampuan pemrograman umum yang membuat model ini berguna untuk membangun dan memperbaiki perangkat lunak.

Pengumuman ini muncul delapan hari setelah Kementerian Perdagangan dan Kementerian Sains dan Teknologi China mengusulkan kontrol ekspor teknologi baru. Usulan tersebut akan melarang ekspor teknologi untuk membuat dan memodifikasi kode berbahaya dengan AI, sekaligus membatasi teknologi yang menggunakan AI untuk menemukan kerentanan perangkat lunak.

Peluncuran Moonshot menyatukan dua isu tersebut: seberapa besar kemampuan peretasan yang seharusnya dimiliki model yang dapat diunduh secara luas, dan bagaimana pemerintah seharusnya mengatur teknologi yang bisa membantu pembela maupun penyerang perangkat lunak.

Moonshot menjelaskan batasan yang ingin diterapkan pada perilisan ini dengan mengatakan:

Kami tidak bermaksud merilis bobot terbuka yang akan memperluas batas terdepan absolut kemampuan siber.

Bobot perusahaan adalah berkas yang memuat apa saja yang telah dipelajari model. Dengan memublikasikannya, pengembang eksternal dapat menjalankan dan memodifikasi sistem di komputer mereka sendiri. Hal ini memberi pengguna kendali lebih besar, tetapi mengurangi kemampuan Moonshot untuk mengelola akses atau mengubah perlindungan setelah salinannya tersebar.

Materi yang dihapus Moonshot

Moonshot mengatakan materi siber masuk ke dalam pengembangan model melalui dua jalur: kumpulan data pelatihan umum yang digunakan pada tahap pelatihan menengah, dan tugas siber yang disertakan dalam lingkungan pembelajaran penguatan. Pembelajaran penguatan meningkatkan kemampuan model melalui percobaan tugas berulang dan umpan balik atas kinerjanya.

Perusahaan menghapus materi siber dari kedua tahap tersebut sambil mempertahankan pekerjaan pemrograman umum. Uji internalnya, yang disebut xdev-bench-hard, mengukur apakah model dapat mereproduksi kerentanan perangkat lunak yang baru diungkap dan mengembangkan cara untuk mengeksploitasinya, dengan keberhasilan dihitung jika tercapai dalam tiga percobaan.

Uji tersebut mencakup kerentanan pada perangkat lunak seperti kernel Linux, Node.js, dan JavaScriptCore. Komponen-komponen ini digunakan untuk menjalankan sistem operasi, aplikasi server, dan kode JavaScript. Eksploitasi adalah metode untuk mengubah kelemahan perangkat lunak menjadi suatu tindakan, seperti memperoleh akses atau membuat program berperilaku dengan cara yang tidak semestinya.

Skor K3.1 Pro turun 9.5 poin persentase setelah penyaringan, dari 90.5% menjadi 81.0%. DeepSeek V4.1-Flash meraih skor 85.7% dalam perbandingan internal yang sama, menempatkan model Kimi yang telah disaring di bawah pesaing tersebut.

Kimi K3, pendahulunya, meraih skor 33.3%. Dengan demikian, versi penerus yang telah disaring itu mempertahankan keunggulan 47.7 poin persentase, menunjukkan seberapa jauh kemampuannya menangani tugas-tugas ini telah berkembang bahkan setelah pemangkasan yang ditargetkan.

Mengapa pemrograman umum tetap penting untuk peretasan

Moonshot mengaitkan sebagian kemampuan siber yang tersisa dengan peningkatan kemampuan pemrograman umum dan debugging dalam rangkaian pekerjaan yang panjang. Model yang mampu memeriksa kode, menelusuri sumber gangguan di beberapa berkas, dan menguji kemungkinan perbaikan juga dapat menerapkan keterampilan tersebut untuk menemukan dan mengeksploitasi kelemahan.

Blog peluncuran perusahaan menjelaskan kaitan ini sebagai berikut:

meningkat secara signifikan dibandingkan pendahulunya, yang menunjukkan bahwa kemampuan pemrograman umum dan debugging jangka panjang yang lebih kuat dapat diterapkan pada tugas siber bahkan setelah penghapusan data yang ditargetkan.

Pembela perangkat lunak dapat menggunakan kemampuan tersebut untuk memeriksa sistem lama yang jarang mendapat perhatian, manfaat yang dikemukakan Moonshot untuk mendukung bobot terbuka. Sebuah organisasi dapat menjalankan model secara lokal dan memeriksa perangkat lunak yang menjadi tanggung jawabnya untuk dipelihara.

Penyerang dapat menggunakan kemampuan serupa untuk mencari kelemahan dan mengotomatiskan sebagian proses penyusupan. Karena itu, persoalan praktisnya lebih luas daripada sekadar apakah model pernah melihat contoh yang secara eksplisit berbahaya: keterampilan pemrograman yang berguna dapat dialihkan untuk pekerjaan ofensif.

Uji xdev-bench-hard milik Moonshot belum dipublikasikan, dan hasilnya belum diverifikasi secara independen. Perusahaan juga belum menjelaskan apakah pelatihan lanjutan oleh pengembang eksternal dapat memulihkan kemampuan yang dihapus sebelum perilisan. Hal-hal tersebut menjadi pertanyaan utama untuk menilai model yang berkasnya dapat dimodifikasi oleh pengguna.

Hasil pengujian pemerintah terhadap Kimi K3

Institut Keamanan Kecerdasan Buatan Inggris dan Pusat Standar dan Inovasi AI Amerika Serikat sebelumnya menguji Kimi K3, yang dirilis pada 16 Juli 2026, dengan perilisan bobot terbuka dijadwalkan pada 27 Juli. Penilaian siber bersama mereka menjadi acuan independen untuk menilai pendahulunya.

K3 meraih skor 32% di ExploitBench, dibandingkan 24% untuk GLM-5.2. Tolok ukur yang dikembangkan Universitas Carnegie Mellon ini menguji kemajuan dalam mengeksploitasi 41 kerentanan di V8, mesin perangkat lunak yang menjalankan JavaScript dan WebAssembly di Chrome.

K3 tidak berhasil mengeksekusi kode arbitrer pada satu pun dari 41 sampel. Model-model terdepan mencapai hasil tersebut pada rata-rata 20 sampel. Eksekusi kode arbitrer berarti membuat sistem target menjalankan perintah yang dipilih penyerang, hasil yang sangat serius karena dapat memberi penyerang kendali atas sistem.

Kedua lembaga juga menguji K3 di The Last Ones, sebuah jaringan perusahaan simulasi yang berisi sekitar 20 komputer dalam empat segmen jaringan. Latihan ini terdiri atas rangkaian 32 langkah serangan dan diperkirakan membutuhkan sekitar 20 jam bagi pakar manusia untuk menyelesaikannya.

Dengan batas 100 juta token, K3 rata-rata mencapai langkah ke-17, dibandingkan langkah ke-11 untuk GLM-5.2 dan 28.5 untuk model-model terdepan AS. K3 menyelesaikan seluruh latihan dalam satu dari 10 percobaan. Model paling cakap menyelesaikannya dalam enam atau tujuh dari 10 percobaan.

Cara memahami keterbatasan pengujian

Lembaga Inggris dan AS mengatakan perlindungan K3 mengizinkannya mencoba mengembangkan eksploitasi dan melakukan operasi siber ofensif selama evaluasi. Temuan mereka menempatkan K3 di atas model berbobot terbuka terdepan sebelumnya, tetapi di bawah model terkuat yang mereka uji.

Latihan The Last Ones dimulai dengan akses awal ke jaringan. Latihan tersebut memiliki jalur serangan yang disengaja, tidak dilengkapi pembela aktif atau alat pertahanan, dan tidak memberikan penalti untuk perilaku yang akan memicu peringatan keamanan. Kondisi itu memberi model lingkungan terstruktur untuk melancarkan serangan.

Kedua lembaga menyebut evaluasi tersebut sebagai penilaian awal dan selektif. Perkiraan kemampuan agregat K3 berasal dari satu tolok ukur, sehingga ketidakpastian statistiknya lebih besar dibandingkan perkiraan model yang dinilai melalui kumpulan tugas yang lebih luas.

Model-model AS dengan bobot tertutup diuji dengan perlindungan sistem dinonaktifkan agar para evaluator dapat mengukur kemampuan maksimalnya dengan lebih sedikit penolakan. Versi publik mengaktifkan perlindungan tersebut. Karena itu, pembaca yang membandingkan hasil perlu mempertimbangkan keterampilan dasar model sekaligus kontrol yang diterapkan pada layanan untuk mengaksesnya.

Hasil baru K3.1 Pro sebesar 81.0% berasal dari uji internal Moonshot yang berbeda. Perbandingannya dengan K3 paling berguna jika dilakukan dalam uji yang sama, ketika pendahulunya meraih skor 33.3%. Penilaian independen terhadap versi baru ini akan memberi tim keamanan dasar yang lebih kuat untuk menilai kemampuannya.

China mengusulkan larangan dan pembatasan

Dua kementerian China menerbitkan Pengumuman No. 48 pada 16 Oktober 2026. Pemberitahuan tersebut meminta masukan atas revisi Katalog Teknologi yang Dilarang dan Dibatasi untuk Diekspor, dengan batas pengiriman masukan hingga 15 November.

Tambahan yang diusulkan mencakup 40 teknologi: 23 di bidang AI, lima di biomedis, dan 12 di manufaktur tenaga surya. Dari ketiga bidang tersebut, 14 teknologi akan dilarang diekspor dan 26 lainnya akan dikenai pembatasan.

Kategori AI mencakup model besar, agen, klaster komputasi, dan pemrosesan informasi. Agen adalah sistem yang menggunakan alat dan menjalankan serangkaian tindakan untuk mencapai tujuan, alih-alih sekadar menjawab satu pertanyaan.

Teknologi AI untuk membuat dan memodifikasi kode berbahaya termasuk dalam usulan ekspor yang dilarang. Teknologi AI untuk menemukan kerentanan termasuk dalam usulan ekspor yang dibatasi. Perbedaan ini penting: larangan akan mencegah ekspor yang tercakup, sedangkan pembatasan akan membuat transfer yang tercakup tunduk pada kontrol ekspor.

Penjelasan kebijakan Kementerian Perdagangan menyebut teknologi tersebut dapat digunakan untuk menyerang infrastruktur informasi kritis, sistem industri pertahanan dan sistem inti pemerintah, atau untuk menerobos perlindungan keamanan. Kementerian menyebut revisi ini sebagai pengelolaan perdagangan teknologi rutin yang tidak ditujukan kepada negara, kawasan, atau entitas tertentu.

Pendaftaran dimulai sebelum aturan final

Perubahan katalog yang diusulkan China masih dalam tahap konsultasi, tetapi persyaratan pendaftaran sementara mulai berlaku saat pengumuman 16 Oktober diterbitkan. Eksportir harus mendaftarkan transfer teknologi yang tercakup sebelum ekspor hingga katalog yang direvisi mulai berlaku. Transfer yang sudah berjalan tetapi belum selesai juga termasuk.

Pemberitahuan tersebut mencakup beberapa jenis pengaturan: pengalihan kepemilikan teknologi ke luar negeri, pemberian lisensi untuk penggunaan teknologi domestik di luar negeri, serta perubahan yang menempatkan kepemilikan atau kendali aktual atas teknologi domestik di tangan pihak asing.

Pendaftaran dilakukan melalui pengajuan perdagangan teknologi Kementerian Perdagangan di platform bisnis terpadu kementerian. Eksportir harus memberikan rincian, termasuk eksportir dan penerima, negara atau kawasan tujuan, teknologi, tujuan penggunaan, dan perkiraan nilai ekspor.

Kementerian juga membedakan antara transfer teknologi dan pemberian akses ke layanan. Menurut penjelasan kementerian mengenai aturan yang diusulkan, penerapan teknologi AI yang dibatasi secara lokal di luar negeri akan termasuk dalam pengelolaan ekspor. Sejumlah pengaturan, seperti penerapan di layanan cloud luar negeri milik perusahaan sendiri, dapat memenuhi syarat untuk prosedur lisensi otomatis.

Pemberian akses model melalui API, aplikasi, situs web, atau perangkat lunak sebagai layanan tidak termasuk dalam kategori ekspor teknologi model besar yang dijelaskan dalam penjelasan tersebut. Penerapan ringan pada perangkat lokal juga tercantum di luar kategori itu. API memungkinkan satu program komputer meminta layanan dari program lain, sehingga pelanggan dapat menggunakan model tanpa menerima berkas dasarnya.

Perilisan terbuka memiliki perlakuan tersendiri

Pengumuman China mengecualikan teknologi yang telah menjadi domain publik melalui perilisan sumber terbuka atau makalah akademis. Kementerian juga menjelaskan lisensi otomatis dan prosedur sederhana lainnya untuk ekspor teknologi AI tertentu yang melibatkan perilisan terbuka, kerja sama riset luar negeri, dan kegiatan terkait.

Karena itu, publikasi dan transfer sama pentingnya dengan kemampuan teknis. Perusahaan yang menawarkan model yang dihosting, perusahaan yang mentransfer teknologi yang dibatasi untuk diterapkan di luar negeri, dan pengembang yang mendistribusikan teknologi yang sudah menjadi domain publik dapat dikenai perlakuan berbeda berdasarkan kerangka yang telah dijelaskan.

Rencana perilisan bobot Moonshot membuat perbedaan tersebut relevan bagi jangkauan internasionalnya. Pemerintah belum mengeluarkan klasifikasi publik untuk K3.1 Pro dalam dokumen-dokumen ini, dan tanggal penerapan katalog final belum diumumkan.

Tanggal-tanggal berikut membuat jadwal perilisan dan proses kebijakan berjalan berdekatan:

• 16 Juli 2026: Kimi K3 dirilis, disusul rencana perilisan bobot pada 27 Juli.
• 16 Oktober: China menerbitkan Pengumuman No. 48, membuka konsultasi, dan memulai pendaftaran ekspor sementara.
• 23 Oktober: Moonshot merilis K3.1 Pro.
• 24 Oktober: Moonshot menjelaskan pengurangan kemampuan siber ofensif.
• 4 November: Moonshot berencana telah memublikasikan bobot K3.1 Pro.
• 15 November: Periode masukan publik atas usulan revisi katalog ekspor berakhir.

Kemampuan lebih tinggi dengan biaya akses lebih rendah

Peluncuran K3.1 Pro yang lebih luas membantu menjelaskan mengapa kemampuan sibernya penting di luar pekerjaan keamanan khusus. Model ini memiliki total 2.8 triliun parameter, dengan 104 miliar parameter aktif, menempatkannya dalam kelas sekitar 3 triliun parameter yang disebut Moonshot. Parameter adalah pengaturan numerik yang dipelajari model selama pelatihan.

Model ini memiliki jendela konteks satu juta token dan menerima teks serta gambar. Token adalah bagian informasi yang diproses sistem; jendela konteks yang lebih besar membuat model dapat menangani lebih banyak materi dalam satu tugas. Moonshot juga menawarkan K3.1 Pro Highspeed, yang menurut perusahaan berjalan dua hingga tiga kali lebih cepat.

Harga API standar turun dari $3 menjadi $2 per satu juta token masukan dan dari $15 menjadi $10 per satu juta token keluaran, atau turun sepertiga. Harga masukan tersimpan, yang menggunakan kembali materi yang telah diproses sebelumnya, turun dari $0.30 menjadi $0.20 per satu juta token. Harga Highspeed adalah $4 untuk masukan dan $20 untuk keluaran per satu juta token.

Indeks Kecerdasan Artificial Analysis menempatkan K3.1 Pro di peringkat keempat dengan 55 poin, naik 11 poin dari K3 dan tiga poin di bawah Claude Opus 5.5 yang meraih 58. Perbandingan pemrograman terminal Moonshot memberi K3.1 Pro skor 65.7%, mendekati 66.4% milik Opus 5.5. Namun, dalam pekerjaan ilmiah melalui terminal, Moonshot mencatat skor K3.1 Pro sebesar 38.1, di bawah GPT-6 Astra dengan 68.1 dan Opus 5.5 dengan 63.3.

Moonshot juga menerbitkan angka kesalahan berbeda untuk pengujian yang berbeda. Blog peluncurannya menyebut tingkat klaim yang direkayasa atau keliru sebesar 8.3%, turun dari 23.4% pada K3; panduan cepat API-nya mencatat 6.85%, turun dari 23.35%, dengan menggunakan kumpulan percakapan berbeda. Kedua dokumen itu menjelaskan pengujian khusus, sementara pelanggan tetap perlu memeriksa jawaban dalam pekerjaan mereka sendiri.

Bagi pengembang dan tim keamanan, perubahan langsungnya adalah akses ke kemampuan pemrograman dan otomatisasi yang lebih kuat dengan harga token lebih rendah. Bagi Moonshot, publikasi bobot akan memindahkan lebih banyak keputusan tentang penerapan, modifikasi, dan perlindungan kepada organisasi yang mengunduhnya.

Poin Utama

• Moonshot mengatakan penghapusan materi pelatihan siber menurunkan skor K3.1 Pro dalam uji eksploitasi internal dari 90.5% menjadi 81.0%.
• Model yang telah disaring itu masih meraih skor jauh di atas 33.3% milik Kimi K3 dalam uji yang sama.
• Tolok ukur internal tersebut belum dipublikasikan, dan hasil baru belum diverifikasi secara independen.
• Pengujian sebelumnya oleh Inggris dan AS menemukan bahwa K3 dapat menyelesaikan serangan terhadap jaringan perusahaan simulasi dalam satu dari 10 percobaan.
• China mengusulkan larangan ekspor teknologi AI untuk malware dan pembatasan ekspor teknologi AI untuk menemukan kerentanan.
• Pendaftaran ekspor sementara dimulai pada 16 Oktober. Konsultasi publik berakhir pada 15 November.
• Moonshot berencana memublikasikan bobot K3.1 Pro paling lambat 4 November, sehingga pengembang eksternal akan memiliki kendali lebih besar atas cara model digunakan.