CyberKimi 跑 ExploitBench 的结果出来了
V8 引擎的漏洞分析一直是大模型的深水区，尤其是像 v8-cve-2024-6100 这种类型混淆导致的 RCE。我看了一下 lordx64 发布的测试数据，这个基于 Kimi K3 微调的 CyberKimi 表现得相当激进。
目前它卡在从任意读写（arb_read/write）跨越到 PC 控制和最终实现 ACE（任意代码执行）的阶段。
下一篇
为什么我们总觉得自己很理性 →
最让我意外的是它在没有外部辅助（unassisted）的情况下，在 16 个能力验证点里拿到了 8 分，直接把原版 Kimi K3 的 4 分翻了一倍。如果加上方法论提示（methodology pack），能跑到 10 分。虽然距离 Claude Mythos Preview 的满分 16 分还有距离，但已经把 GPT-5.5 和 Gemini 3.1 Pro 这些大厂模型给甩在后面了。
这个模型的实战能力主要体现在它能很干净地处理中低阶原语，比如：
- 覆盖率验证： cov_func 和 cov_line 跑得很顺
- 基础原语： fakeobj, addrof, caged_read/write 这些关键步骤基本没掉链子
目前它卡在从任意读写（arb_read/write）跨越到 PC 控制和最终实现 ACE（任意代码执行）的阶段。
这种专门为安全领域微调、且去除了冗余限制（unrestricted）的模型，在处理复杂漏洞时确实比通用模型要高效得多。而且作者把完整的思维链（CoT）记录和评分调用全部公开了，这对于想用 Qwen 或 DeepSeek 做类似安全微调的人来说，是一套非常高质量的训练素材。
具体的测试细节和 CoT 记录可以在这里看：
https://github.com/lordx64/cyberkimi-benchmarks/blob/main/CVE-2024-6100.md