【米英発表】中国AI「Kimi K3」のハッキング能力評価レポートが公開！「トークン制限で能力が不当評価？」「サイバー防衛」「国家安全保障」
投稿日時: 2026/07/25 13:20
■ 概要・編集部サマリー
1. 【背景・米英共同AI安全性調査】米国NIST（標準技術研究所）および英国CAISI（AI安全研究所）が共同で、中国 Moonshot AI が開発した大型モデル本ニュースにおける自律的なサイバー攻撃能力の予備評価レポートを公開しました。 2. 【焦点・評価テスト条件への疑惑】レポートでは「モデルの自律的エクスプロイト生成能力は限定的」と結論付けられた一方、テスト時のトークン長上限の制限が厳しすぎたため、モデル本来の解析力が発揮されていない評価プロトコルの欠陥が指摘されています。 3. 【評価・AI安全評価と地政学的バイアス】国家安全保障を巡る最先端モデルのサイバーリスク評価において、ベンチマークテストの客観性や政治的アピールへの活用についての議論がHacker Newsで巻き起こっています。
■ 米英安全保障機関による「Kimi K3」のサイバー脅威評価
米国のNISTと英国のCAISIが国際連携し、最先端AIモデルが自律的に脆弱性をスキャンし、悪意あるエクスプロイトコードを作成・実行できるかの危険性査定を実施しました。
中国の主要モデルである「Kimi K3」に対する実証テスト結果が公開され、国家安全保障の観点から自律的ハッキング能力の有無が詳細に検証されています。
■ コンテキストウィンドウ制限とベンチマーク妥当性への異論
報告書では「モデルの自律的エクスプロイト生成能力は限定的である」と結論付けられたものの、テスト時にモデルに与えられたトークン上限が非常に狭く設定されていた実情が暴露されました。
長文コンテキスト処理を強みとする Kimi K3 の能力を不当に低く見積もっているという批判が研究者の間から上がっています。
■ 二重利用（Dual-use）リスクと国際的なAIリスクガバナンス
現状のAIモデルは未公表の高度なゼロデイ攻撃を単独で完結させる水準には達していないものの、コードの脆弱性発見や修正補助などの二重利用領域において極めて高い能力を有しています。
地政学的緊張が続く中、公的機関による評価プロトコルの標準化と客観性の維持が強く求められています。
海外掲示板の反応・まとめ
■ 米英AISIによる中国AI「Kimi K3」のサイバー能力評価。テスト時のトークン上限や評価手法の妥当性が議論されています。
米英の政府機関が中国のKimi K3のハッキング能力テストして『サイバー攻撃能力は低いです』って報告出してるけど、テスト条件のトークン上限が狭すぎてまともなコード書けない環境だったの笑うw
>>2 意図的に中国モデルの能力を低く見せるための手抜きテストか？って海外ハッカーコミュニティで突っ込まれてて皮肉効いてるわ。
>>3 AIの危険性評価（Safety Assessment）も地政学的なアピールや規制口実に使われる時代なんだなって痛感するわ。
Kimi K3って長文コンテキスト（ロングコンテキスト）が一番の売りなのに、短文でテストしたら本来の実力出せるわけないだろ。
ゼロデイ攻撃のコードを自律生成できるかどうかのテストだけど、現時点のLLMはそこまで賢くないっていう妥当な結論でもある。
Hacker Newsでもスコア130超えてて『政府のAI評価機関（AISI）のベンチマーク設定能力自体を監査すべき』って意見が殺到してるぞ。
既存のC言語コードのバッファオーバーフロー見つけるくらいなら十分動くけど、複雑なサンドボックス回避までは無理だな。
デュアルユース（軍民両用）技術としてAIモデルを評価する難しさが詰まってるわ。
米国が中国モデルへのGPU輸出規制を強める中で、こういう安全評価レポートの政治的価値はバカにならない。
『AIが勝手に世界をハッキングするSF映画のような世界はまだ先』という安堵感と『評価基準がザル』という不安感。
自社システムの脆弱性スキャンにKimi K3使ったら普通に優秀な補助ツールになるのにな。
防御側のコード修正補助としては最強の味方だから、評価の切り口次第だわ。
国際的なAIガバナンスとテスト標準化に向けた貴重な公式データではある。
AI安全評価の難しさ。技術的客観性と地政学が交差するサイバー防衛の最前線だな。