BEIJING / LONDON (IT BOLTWISE) – Moonshot AI hat die cyber-offensive Fähigkeiten seines neuen Kimi K3.1 Pro-Modells eingeschränkt. Das Startup entfernte dafür cyberbezogene Daten aus Trainingskorpus sowie aus Reinforcement-Learning-Umgebungen, behält aber allgemeine Coding-Fähigkeiten bei. Gleichzeitig plant es, bis zum 4. November Open-Weight-Dateien zu veröffentlichen, damit externe Entwickler das Modell auf eigenen Systemen betreiben können. Kritiker sorgen sich dennoch, dass KI-Tools künftig Hacking schneller und günstiger machen könnten.
Moonshot AI versucht mit einer ungewöhnlich klaren Strategie gegenzusteuern: Das Unternehmen will die Leistungsfähigkeit seines KI-Modells für Programmieraufgaben erhalten, gleichzeitig aber die direkte Nutzbarkeit für offensive Cyber-Tätigkeiten reduzieren. Hintergrund ist die wachsende Debatte, dass KI nicht nur Code erzeugt, sondern auch mehrstufige Abläufe in Angriffsszenarien automatisieren kann – also Schwachstellen finden, Werkzeuge auswählen und Schritte koordinieren. Genau an diesem Punkt setzt Moonshot an, indem es beim neuen Kimi K3.1 Pro gezielt Trainings- und Lernpfade verändert.
Konkret kündigte Moonshot die Einführung von Kimi K3.1 Pro an, einem Open-Weight-Modell in der Größenordnung von 3 Billionen Parametern, das als besonders leistungsfähig positioniert wird. Laut Unternehmensangaben werden die Gewichtsdateien (Weights) bis zum 4. November veröffentlicht. Diese Dateien erlauben es Dritten, das Modell in eigener Infrastruktur auszuführen und anzupassen – ein wichtiger Unterschied zu proprietären, geschlossenen Systemen, bei denen Betrieb und Zugriff typischerweise zentral beim Anbieter kontrolliert werden. Das Unternehmen begründet die Eingrenzung damit, dass man keine Open-Weights bereitstellen wolle, die die „Cyber-Fähigkeitsgrenze“ ohne Schutzmechanismen weiter verschieben könnten.
Die technische Stellschraube ist dabei nicht nur eine „Prompt-Politik“ oder ein reines Moderations-Feature, sondern eine Veränderung der Datenbasis. Moonshot sagt, es habe cyberbezogene Daten aus dem Trainingskorpus sowie aus den Reinforcement-Learning-Umgebungen entfernt, die für die Entwicklung des Modells genutzt wurden. Gleichzeitig sollen allgemeine Coding-Fähigkeiten erhalten bleiben – also die Fähigkeit, sauberen und nützlichen Code zu schreiben, ohne dass der Modellkern besonders stark auf offensive Muster, Exploit-Nähe oder zielgerichtete Angriffsdrehbücher optimiert wird. In der Praxis bedeutet das: Das Modell lernt weiterhin Programmierstrukturen und Softwarelogik, aber die „Belohnungssignale“ und Beispiele, die offensives Vorgehen erleichtern, werden gezielt reduziert.
Für die Bewertung verweist Moonshot auf ein internes Cyber-Benchmarking: K3.1 Pro erreichte demnach 81,0 % gegenüber 90,5 % für eine vergleichbare Version ohne die Risiko-Reduktion. Der Test habe das Finden und Ausnutzen von Software-Schwachstellen in einer kontrollierten Umgebung abgebildet; daraus leite das Unternehmen ab, dass das Filtern cyberbezogener Daten die offensive Leistung spürbar senkt, das Modell aber weiterhin besser abschneidet als sein Vorgänger. Wichtig ist allerdings die Einschränkung: Die Ergebnisse seien nicht unabhängig verifiziert. Für Unternehmen, die solche Benchmarks nutzen wollen, bleibt damit die Kernfrage, wie sich eine derartige Trainingsbereinigung auf reale Systeme, unterschiedliche Angriffsoberflächen und konkrete Zielprofile auswirkt.
Parallel dazu wächst die politische und regulatorische Aufmerksamkeit für KI-gestützte Cyberfähigkeiten. China hat laut Angabe bereits Exportkontrollen vorgeschlagen, die in der Entwurfsfassung die Ausfuhr von KI-getriebener Malware-Generierung und -Mutationstechnologie verbieten sowie KI-unterstützte Werkzeuge zur Schwachstellen-Ermittlung stärker beschränken würden. Die Maßnahmen befinden sich noch im öffentlichen Konsultationsprozess und nennen das Risiko, dass solche Fähigkeiten gegen kritische Infrastruktur, Verteidigungs- und bestimmte staatliche Systeme eingesetzt oder Sicherheitsvorkehrungen umgangen werden könnten. Damit verschiebt sich die Debatte von „KI macht Programmieren leichter“ hin zu „KI senkt Angriffsaufwand“ – und die Industrielogik fordert schnellere, messbare Sicherheitsmechanismen.
Aus Sicht der Cybersicherheit hat Moonshots Ansatz zwei Seiten. Einerseits kann Open-Weight-Software tatsächlich auch defensiv wirken: Mehr Organisationen können das Modell prüfen, in eigenen Pipelines testen und damit beispielsweise Rückschlüsse für sichere Entwicklungspraktiken ziehen. Besonders relevant ist das für ältere Systeme, die in vielen IT-Landschaften wenig Aufmerksamkeit bekommen und bei denen Code-Lücken eher übersehen werden. Andererseits erschwert die weitverteilte Bereitstellung die zentrale Aufsicht. Sobald Weights breit verfügbar sind, hat der ursprüngliche Entwickler weniger Möglichkeiten, Zugriff zu begrenzen, Nutzung zu überwachen oder Schutzmaßnahmen nachträglich nachzuschärfen, wie es bei gehosteten Services üblich ist.
Technisch liefert Moonshot zudem Kennzahlen, die für den praktischen Betrieb bedeutsam sein dürften: K3.1 Pro verfügt über ein Kontextfenster von 1 Million Tokens, wodurch sehr große Textmengen auf einmal verarbeitet werden können. Dazu kommt eine schnellere Variante namens K3.1 Pro Highspeed, die laut Unternehmen zwei bis drei Mal schneller laufen soll als das Standardmodell. Für die Strategie bedeutet das: Selbst wenn die offensiven Fähigkeiten durch Trainingsfilter gedämpft wurden, bleibt die Systemleistung hoch genug, um komplexe Programmier- und Analyseaufgaben effizient zu erledigen. Für Sicherheits-Teams heißt das zugleich, dass sie ihre Threat-Modelle nicht nur auf „KI-Tooling als Codegenerator“ ausrichten sollten, sondern auch auf den Umstand, dass leistungsfähige Modelle in umfangreichen Kontexten arbeiten und dadurch mehr Hintergrundwissen in einem Durchlauf verarbeiten können.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Moonshot bremst Hacking-Fähigkeiten im Kimi-Modell – Open Weights mit Sicherheitsfilter" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Moonshot bremst Hacking-Fähigkeiten im Kimi-Modell – Open Weights mit Sicherheitsfilter" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Moonshot bremst Hacking-Fähigkeiten im Kimi-Modell – Open Weights mit Sicherheitsfilter« bei Google Deutschland suchen, bei Bing oder Google News!