ตัวเลขหลัก
- บน ExploitBench (ทดสอบเจาะช่องโหว่ Chrome V8 จริง 41 เคส) K3 ได้ราว 32% · โมเดล frontier สหรัฐฯ เฉลี่ยราว 76%
- ขั้นรุนแรงสุดอย่างรันโค้ดบนเป้าหมาย — K3 ไม่สำเร็จใน 41 เคส · ฝั่งสหรัฐฯ เฉลี่ยสำเร็จราว 20 เคส
- เครือข่ายจำลอง 32 ขั้น — K3 ไปได้เฉลี่ยราวขั้น 17 · โมเดลสหรัฐฯ ราว 28.5
- ยังเก่งกว่า GLM-5.2 ของจีนในงานเดียวกัน (~24%)
แต่มีจุดเตือน
- กฎกันของ K3 ไม่ได้บล็อกการพยายามสร้าง exploit / โจมตีในเทส — ไม่ต้อง jailbreak
- น้ำหนักเปิดแล้ว ใครโหลดไปปิดกฎเองได้ · ดึงกลับไม่ได้
สรุปสั้น ๆ
ยังไม่ใช่ “แฮกเกอร์อันดับหนึ่ง” ตามเทสนี้ — แต่เปิดน้ำหนักแล้ว + กันไม่สนิท ทำให้หลายฝ่ายยังกังวล
แหล่ง: UK AISI / CAISI · ก.ค. 2026