Isang grupo ng mga volunteer na tinatawag na Bitcoin Red Team ay kumilos ng isa sa mga pinakamalaking automated security audit na ginawa sa ecosystem ng crypto. Ang kanilang piniling sandata: ang Kimi K3, isang open-weight AI model na gawa ng Moonshot AI ng China. Sa loob ng humigit-kumulang 108 oras, ang model ay nakalista ng 7,958 potensyal na hanapin sa seguridad sa loob ng 501 open-source project na may kaugnayan sa bitcoin, kung saan ang 1,280 sa mga ito ay itinuring na mataas o kritikal ang kalalabasan.
Ang Kimi K3 ay lumampas sa lahat ng iba pang open-weight model na nasubok, kabilang ang GLM-5.2 ng Zhipu, sa mga standardisadong benchmark para sa pagdetekta ng mga vulnerability.
Ano nga ba ang natuklasan ng audit
Sa mga 7,958 potensyal na isyu na itinandaan ng Kimi K3, lamang ang 24.7% ang maaaring dinamikong muling ipakita. Sa panahon ng pagrereport, ang 29.4% ng mga natuklasan ay naihahatid na pataas sa mga apektadong proyekto.
Ang pinakamalaking pagkakatuklas ay isang kritikal na pagbypass ng two-factor authentication sa BTCPay Server version 2.4.2. Ang vulnerability ay nangyayari na upang makuha ang mga credential ng Lightning wallet bago ito i-patch, gawa nito isang live, in-the-wild security incident kesa isang teoretikal na problema.
Paano nakakapag-umpisa si Kimi K3
Ang AI Safety Institute ng UK at ang kanyang katumbas na CAISI ay nagpasa ng pagsusuri sa Kimi K3 noong Hulyo 2026, at nakakuha ito ng 32% sa ExploitBench. Ito ay isang benchmark na disenyo upang sukatin ang kakayahan ng isang AI model na tukuyin at mag-isip tungkol sa mga exploitable na software vulnerability. Ang GLM-5.2 naman ay nakakuha ng 24% sa parehong pagsubok.
Sa mga open-weight model, ang mga kung saan ang weights ay available sa publiko para sa anumang tao na i-download at i-run, ang Kimi K3 ay nasa itaas. Ipinakilala ang model noong huling bahagi ng Hulyo 16–27, 2026, at pinalakas ng Red Team ang kanilang pagsusuri sa mga linggo na sumunod.
Ang pagkakaiba sa pagitan ng mga open-weight at closed-source model ay patuloy na malaki. Ang mga pangunahing model mula sa OpenAI at Anthropic ay nag-averaging ng halos 76% sa ExploitBench. Ito ay higit sa dalawang beses ang marka ni Kimi K3.
Ang insidente ng Coldcard na nagsimula sa lahat
Ang pagsisikap ng Red Team ay na-catalyze ng isang security incident noong Hulyo 2026 na nagkakaroon ng kinalaman sa Coldcard Mk3. Isang kakulangan sa firmware ng Mk3 ang nagresulta sa pagkakawala ng halos 594 BTC, na may halagang $38 milyon noong panahong iyon. Ang insidente ay nagbigay-daan sa malawakang spekulasyon na ang mga attacker ay gumamit ng AI upang makahanap ng vulnerability sa firmware, bagaman hindi pa ito matiyak na patotohanan.
Ano ang ibig sabihin nito para sa seguridad ng bitcoin
Ang ekonomiks ng code auditing ay handa nang magbago. Ang isang propesyonal na security audit ng isang Bitcoin project ay maaaring magkakahalaga ng maraming libo-libong dolyar at magtrabaho ng ilang linggo. Sinuri ni Kimi K3 ang 501 na project sa loob ng 108 oras.
Ang mga kumpanyang AI sa US, na nagbuo ng mga pinakamakapangyarihang modelo, ay karaniwang nagpapahintulot na hindi gamitin ang kanilang mga kasangkapan para sa pananaliksik sa mga butas, batay sa mga alalahanin tungkol sa kaligtasan. Samantala, isang open-weight na Chinese model ay libreng ipinapalabas upang hanapin at i-report ang mga bug sa mahalagang financial infrastructure. Ang pagkakaiba sa pagitan ng performance ng open-weight at closed-source model sa ExploitBench—32% kumpara sa 76%—ay nagpapakita na ang pinakamakapangyarihang paghahanap ng mga butas ay nananatili pa rin sa likod ng mga API na may bayad.