90.5%降到81.0%：Kimi K3.1 Pro開源之前，月之暗面先刪掉9.5個百分點

90.5%對上81.0%。兩個數字出自月之暗面的官方技術部落格，量測對象是漏洞發現與利用基準xdev-bench-hard，指標為pass@3，即三次嘗試內的成功率。9.5個百分點的差距來自發布流程裡一道刻意安排的工序，與訓練過程中的自然損耗無關。月之暗面近日發布Kimi K3.1 Pro，計畫在11月4日前開放模型權重；為了降低開源版本的網路攻防能力，研發團隊在中期訓練階段過濾網安攻防相關資料，並在強化學習階段移除網安任務，僅保留通用編程任務。

廠商主動公布自家產品被削減的幅度，在開源模型的歷史上少見。多數技術報告只列最終分數，很少同時揭露「如果不刪會是多少」。這組對照數字，等於把一次策略轉向的成本直接寫成報表。

先刪資料，再放權重

兩道槓桿都在訓練端。中期訓練的資料過濾，決定模型看過什麼；強化學習的任務移除，決定模型練過什麼。這種處理與部署端的防護措施（系統提示、輸出分類器、速率限制）性質不同：API上的閘門可以隨時調整，權重一旦開放下載就無法回收，開放權重的模型沒有遠端開關。要在釋出之後保留任何控制，只能把控制焊進參數裡。

資料層的刪除還帶來持久性。使用者在公開語料上微調，難以補回被過濾掉的知識；整條產品線裡最稀缺的資產，正是被刪掉的那批攻防資料。從通用編程任務被完整保留的安排看，削減按垂直領域切割：開源版在多數能力上仍是該廠最強的可得版本，唯獨資安攻防這一格被設了上限。月之暗面同時把「不開放權重發布處於全球網安攻防能力前沿的模型」列為開源原則，等於預告這道上限將長期存在。

開放權重的舊命題：把最強的送出去

回看2023年以來的權重開放史，各家共享同一個前提：開放的就是最強的。Meta在2023年7月以Llama 2開放權重，2024年7月的Llama 3.1 405B被官方定位為首個前沿級的開放模型。2025年1月，DeepSeek以MIT授權釋出R1，輝達單日下跌約17%、市值蒸發近6,000億美元，市場第一次為零價格的前沿推理能力重新定價。同年7月，月之暗面自己以K2加入權重開放的行列；到2025年年中，Qwen家族在Hugging Face上的衍生模型突破十萬個，超越Llama成為規模最大的開源模型家族。

這套打法的商業邏輯並不複雜：權重是最便宜的獲客與生態工具，模型層被商品化之後，收入記在API與企業服務上。K3.1 Pro把前提拆成兩半：開源的仍是該廠最強的通用編程模型，資安攻防這一格被劃出贈送的範圍。同一段時間，中國模型廠商的產品線調整轉趨頻繁，兩代併一代的資源收攏是另一種收縮戰線的方式；差別在於MiniMax收的是品項數量，月之暗面收的是能力欄位。

控制點的位置：與閉源安全框架對照

閉源陣營早有一套能力管控的語彙。Anthropic的責任擴展政策（RSP）按ASL能力等級設下部署門檻；OpenAI的Preparedness Framework對網路攻擊、生化武器等危險能力做發布前評估；美英的AI安全研究機構也先後與主要實驗室建立部署前測試安排。這些機制的共同點是模型留在屋內：使用者拿到的是經過多層閘門的輸出，權重本身從不離開廠房。

月之暗面把控制點往前搬了一步：權重照常釋出，特定能力的上限卻在釋出前就被壓低。若問題是「外界能否取得前沿網安能力」，兩條路徑的結果趨同；差異在於開源版的使用者仍握有權重級的掌控權，從本地部署到微調蒸餾都在自己手裡，這是閉源API永不提供的介面。一個介於開源與閉源之間的第三種品類於是成形：能力封頂的開放權重。

帳面上還有另一半。被劃走的能力並未消失，它留在廠商可控的版本裡；未來無論以API或企業資安專案的形式輸出，都是可計費的項目。封頂同時服務兩個目的，風險管理對監管交代，產品分層對損益表交代。

監管的背景板

時點並非偶然。歐盟AI法案對通用模型提供者的義務已在2025年8月生效；中國主管部門則推動23項AI技術列入出口管制的新規，DeepSeek與MiniMax在政策發布六天後完成登記的前例顯示，模型與技術輸出的交會點已經寫進政策文本。對一家計畫全球開放權重的中國廠商而言，主動證明開源版本不在「全球網安攻防能力前沿」，等於提前把自己移出最敏感的監管區位。月之暗面的原則陳述用的是安全框架的語言，削減幅度用的是基準測試的語言，兩者疊加，構成一份對監管端預先備好的說明文件。

誰受惠，誰承壓

受惠端先看廠商自身。能力差額留在可控版本裡，成為未來的營收科目，開源版則繼續扮演獲客與生態的工具。合規敏感的企業採用者是第二層受益者：拿到權重的同時附帶廠商量化的安全邊界，導入審查的成本下降。監管端也省事，風險敞口收縮，且證據由廠商自行提供。

承壓端同樣具體。資安研究與紅隊社羣過去以開放權重補足工具鏈，合法的滲透測試與漏洞研究現在少掉最高的那一格。以開源權重為基座的衍生模型生態會繼承同一個天花板，微調與蒸餾都繞不過去。更結構性的影響落在基準的可信度：公開榜分數與內部上限脫鉤之後，同一張榜單量到的可能是各家的切割策略，「開源追上閉源」的敘述從此需要加註條款。若封頂成為慣例，閉源API在垂直能力上重新取得定價空間，開源版的競爭軸心將移往成本與主權部署。

三種情境

情境一，慣例化。其他權重開放廠商跟進，資安先被劃走，其後延伸到生化與模型自主性等安全框架既有的欄位。開源的定義從「釋出最強模型」移向「釋出通過安全篩選的模型」，廠商之間比較的是切割的精細度與揭露的完整度。

情境二，反向分化。有廠商評估合規風險後，選擇釋出未削減的權重換取開發者心智，開源陣營分岔成兩條軌道，合規成本變成競爭變數，開發者以流量與衍生模型數量投票。

情境三，監管固化。能力上限從廠商自律升級為規則文本，寫進出口管制編碼或通用模型義務清單，封頂從差異化策略降格為進場門票。

9.5個百分點的價值，在於它被公布了。市場第一次拿到一份可比對的開源折價數據：代價多少、砍在哪裡、由誰決定，全寫在技術部落格裡。後續值得追蹤的變數有二：其他廠商是否跟進揭露內部版與釋出版本的差距，以及下遊採用者會不會把「未經削弱」寫進採購需求。開源與閉源的競爭不會結束，只是比較的欄位多了一項：哪些能力被留下，哪些能力被送出了門。