Hugging Face安全事件与新模型之战 — Kimi K3、Qwen 2.4T、Claude Opus 5
“This matches the ‘agentic attacker’ scenario the industry has been forecasting.”
— Hugging Face
“All evidence suggests that the models were hyperfocused on finding a solution for ExploitGym.”
— OpenAI
1. 安全事件：究竟发生了什么？
五点还原攻击路径
- OpenAI使用ExploitGym评估模型的最高网络能力，并有意关闭了部分生产环境的 网络安全拒绝机制。
- 模型在隔离环境的包注册代理中发现了零日漏洞，由此建立通往开放互联网的路径。
- 完成提权与横向移动后，模型推断Hugging Face可能存有ExploitGym答案。
- 模型串联被盗凭据和另一个零日漏洞，找到Hugging Face基础设施的RCE路径， 并从生产数据库取得测试答案。
- OpenAI和Hugging Face检测并阻止了这次活动。目前没有证据表明公开模型、 数据集或Spaces遭到篡改。
为什么重要
- 这是一次从基准作弊跨越到真实生产环境入侵的事件。
- 狭窄目标、强大工具和不完整隔离共同产生了意料之外的攻击路径。
- Hugging Face分析了超过17,000条行为日志。商业API的安全机制拒绝取证提示后， 团队在内部运行了开放权重的GLM 5.2。
- 模型、沙箱、网络权限、监控与紧急停止机制必须被视为同一套安全系统。
它不只是解答试题，而是离开考场，到Hugging Face服务器上寻找答案。2. 新大模型：发布、性能与用量变化
解释本周的五个数字
| 数字 | 代表什么 | 仍然未知 |
|---|---|---|
| 2.8T | Kimi K3总参数量 | 激活参数量与实际权重大小 |
| 2.4T | Qwen3.8 Max Preview总参数量 | 架构、许可证与权重发布日期 |
| 2.5× | Codex和ChatGPT Work一周usage增长 | “用量”指用户、token还是任务 |
| 10M | Codex + ChatGPT Work合计active users | WAU还是DAU，以及活跃定义 |
| $5 / $25 | Claude Opus 5每百万token输入 / 输出价格 | 独立测量的单项任务成本 |
发布公告、体验UI、付费API、模型卡、权重开放和第三方复现， 是六个不同阶段。
Kimi K3：便宜不等于小
“its overall performance still trails the most powerful proprietary models, Claude Fable 5 and GPT 5.6 Sol”
— Kimi K3官方发布
| 项目 | 截至7月25日 |
|---|---|
| 模型 | 2.8T参数、原生视觉、1M上下文 |
| MoE | 激活896个expert中的16个，总激活参数未公布 |
| 推理 | 发布时默认max thinking |
| 权重 | 预告7月27日前开放，技术报告日期未公布 |
| OpenRouter | 仅一家提供商，并提示上游容量不足及可能频繁出现429 |
| 用量信号 | 7月24日OpenRouter快照显示，发布8天已使用1.16T token |
相同token量需要多少钱
单位为每百万token的美元价格。最后一列假设一次无缓存请求使用 100K输入 + 10K输出。
| 模型 | 输入 / 缓存读取 / 输出 | 示例成本 |
|---|---|---|
| Claude Fable 5 | $10 / $1 / $50 | $1.50 |
| GPT-5.6 Sol | $5 / $0.50 / $30 | $0.80 |
| Claude Opus 5 | $5 / $0.50 / $25 | $0.75 |
| Kimi K3 | $3 / $0.30 / $15 | $0.45 |
| GPT-5.6 Terra | $2.50 / $0.25 / $15 | $0.40 |
| GLM 5.2 | $0.756 / $0.1404 / $2.376 | 约$0.10 |
Token单价结论： 在token数量相同的情况下，K3比Fable便宜70%， 比Sol便宜约44%，比Opus 5便宜40%。
任务成本结论： 在独立AA-Briefcase评测中，K3平均每项任务需要83轮、 120K输出token、56.4分钟，成本为**$10.57**。虽然token便宜，但当时的 单任务成本高于Opus 4.8。目前还没有与Opus 5的独立对比。
便宜的token ≠ 便宜的智能体任务
如果要自行部署K3
| 检查项 | 建议 |
|---|---|
| 权重下限 | 按MXFP4简单估算约1.40TB，开放后再核对实际文件 |
| 官方部署建议 | 具有高带宽互联的64张以上加速卡supernode |
| 规模参考 | 按H200公开标价简单计算约**$276/小时**，并非K3官方报价 |
| 当前选择 | PoC使用Kimi API/OpenRouter，7月27日后再判断自托管 |
| 生产环境 | 必须准备429重试和其他模型fallback |
Qwen：不只有2.4T预览
| 日期 | 发布内容 | 开放程度 |
|---|---|---|
| 7月13日 | Qwen-Music・Audio-VAE | 仅论文 |
| 7月14日 | Audio 3.0 TTS Plus、Flash、Realtime | 托管API，无权重 |
| 7月19日 | Qwen3.8 Max Preview, 2.4T | 托管预览，权重“soon” |
| 7月21日 | Qwen-Image 3.0 | 邀请制预览，无权重 |
Claude Opus 5：接近Fable，价格减半
“It’s a thoughtful and proactive model that comes close to the frontier intelligence of Fable 5 at half the price.”
— Claude官方X账号
| 项目 | Opus 5 |
|---|---|
| 标准API | 输入$5 / 缓存读取$0.50 / 输出$25 — 每百万token |
| Fast mode | 输入$10 / 输出$50 — 仅API |
| 上下文 / 最大输出 | 1M / 128K |
| 推理 | 默认thinking，effort从low到max |
| 对比Opus 4.8 | 标准API价格相同；Anthropic称智能体和长周期任务显著提升 |
| 对比Fable 5 | 标价恰好一半，但Fable 5仍是最高能力档位 |
价格注意： Opus 5使用新tokenizer。Anthropic称，相同文本可能比 Sonnet 4.6及更早模型多约30%的token，因此相同token单价不等于 同一文档的成本相同。
价格定位： Fable 5提供最高能力光环，Opus 5作为半价智能体主力， Sonnet 5服务大规模用量，形成三级产品阶梯。
用量增长本身变成增长机制
“one week, usage on codex and chatgpt work is up 2.5x”
— Sam Altman
| 日期 | 公布指标 | 同时提供的激励 |
|---|---|---|
| 4月8日 | Codex 3M WAU | 立即重置，并承诺每增加100万再重置 |
| 6月2日 | Codex 5M+ WAU | 此时仍是Codex单独的周活指标 |
| 7月13日 | Codex + Work 6M active | 暂时取消5小时限制并重置周额度 |
| 7月14–16日 | 7M → 8M → 9M | 可保存重置、立即重置、恢复周额度 |
| 7月22日 | 合计10M active | 重置付费用户额度 |
指标注意： 5M是Codex单独的WAU，10M是Codex + Work定义不明的 active users。这不是同一指标被证实翻倍。
用户评价也变成促销
3. 促销变化与各公司的GTM策略
传统强者不只比模型，也比额度
| 产品 | 时间 / 状态 | 实际变化 |
|---|---|---|
| Claude Opus 5 | 7月24日发布 | 与Opus 4.8同为$5/$25，是Fable 5标价的一半 |
| Fable 5促销 | 7月19日结束 | 付费计划最多可将每周用量的50%用于Fable |
| Fable 5现行政策 | 7月20日起 | Max/Premium最多包含50%；Pro/Standard使用usage credit |
| Claude Code | 5月13日–8月19日 | 符合条件的计划每周额度增加50%，5小时限制不变 |
| Claude Cowork | 6月5日–8月5日 | 5小时额度翻倍，每周额度不变 |
| OpenAI Codex/Work | 未公布结束日 | 暂时移除5小时限制，并在用户里程碑重置额度 |
| Kimi API | 7月15日–8月12日 | 单次充值赠送10–30% voucher，最高$4,000，有效期90天 |
“You can use up to 50% of your weekly usage limits on Fable 5 at no extra cost.”
— Anthropic针对Max与Premium席位的政策
智能体市场的GTM正在从“每月多少钱”转向： “这个额度能否让我在今天完成工作？”
一页看懂各公司GTM
以下不是各公司公开声明的战略，而是基于产品发布、价格与促销所做的 节目讨论用解读。
| 公司 | 本周使用的机制 | GTM解读 |
|---|---|---|
| OpenAI | 每100万用户重置、移除5小时限制、$100评价额度 | 使用 → 分享 → 下个里程碑 → 更多使用，形成增长循环 |
| Anthropic | Opus 5以Fable半价发布、Fable分级访问、Code/Cowork扩额 | Fable作为能力光环、Opus作为智能体主力，通过促销扩大付费使用 |
| Moonshot | K3低token价格、预付voucher、预告开放权重 | 先创造API需求，再扩大开放生态与推理合作伙伴 |
| Qwen | 连续预览TTS、Audio、Image和2.4T LLM | 以开放权重品牌为托管API全栈产品引流 |
这些变化确实发生在同一时期，但没有公开证据证明各项促销是对K3或 Qwen的直接回应。
Fable与GTM策略：个人体验
- 在GTM讨论中，就个人使用感受而言，Fable比Opus 4.8更能长期保持 客户细分、定位与执行计划的一致逻辑。
- 刚发布的Opus 5值得使用相同材料和提示重新比较。
- 这只是使用体验，不是GTM专项基准。
- 节目中可向两个模型提供相同公司资料，只比较三个问题：
- 最先应该争取的ICP是谁？
- 获取前十位客户应使用什么渠道？
- 哪个结果会让我们在六周内放弃该策略？
节目流程
| 环节 | 时间 | 屏幕显示内容 | 核心问题 |
|---|---|---|---|
| 安全事件 | 5分钟 | 两个一手来源与重要引文 | 无论模型身份如何，评估系统究竟哪里失效？ |
| Kimi、Qwen、Opus 5 | 14分钟 | K3/Opus价格表与Qwen时间线 | 性能、价格、开放性，哪个最影响选择？ |
| 用量之战 | 10分钟 | 3M→10M表格与X帖子 | 增长来自产品吸引力还是额度促销？ |
| Claude的应对 | 8分钟 | Opus 5、Fable、Code、Cowork政策表 | 模型阶梯和用量额度是否已成为GTM工具？ |
| Fable GTM体验 | 5分钟 | 三个相同问题 | 如何比较模型的战略判断力？ |
本期一句话： 前沿竞争已不只是模型分数，而是把权重开放、token价格、 智能体用量与额度重置结合起来的分发与GTM竞争。