跑分再高，也怕 AI 自己加戏！没给过的指令它却「记得」？Kimi K3.1 跑分现场翻车引热议
有网友在 X 上爆料，Kimi K3.1 在 Terminal Bench 测试中「回忆起」从未被下达的指令，Hacker News 讨论串却冷清到只有 1 分。
大白话有网友发帖说，Kimi K3.1 在 Terminal Bench 这个考 AI 操作终端能力的测试里，给出了它其实从没收到过的指令内容，看起来像「凭空记得」。目前只有一条 X 帖和一条几乎没人回复的 HN 讨论串，没有官方说明，也没有复现细节。到底是模型幻觉、测试脚本串了上下文，还是评测环境本身有问题，暂时说不清。
对你意味着如果你在挑模型跑终端任务或做 Agent，这类「凭空补指令」的异常值得警惕——评测分数好看，不代表它不会自己脑补。
网友 X 爆料与 HN 讨论串，官方尚未回应，暂无复现证据
原文：Kimi K3.1 recalls instructions it was never given on Terminal Bench
打开巨象雷达，看今天全部 AI 动态