Cantina Security совместно с Yeta Labs представила apex-flash-1 — модель с открытыми весами (MIT License), специально разработанную для задач безопасности и поиска уязвимостей. Это RLHF-дообученная версия базовой модели Z.ai GLM-5.3-Flash. Модель позиционируется как «рабочий узел» (worker) в агентной архитектуре, способный выполнять чтение кода, использование инструментов, разработку эксплойтов и их верификацию.
01Архитектура и требования к железу
Модель имеет 321.3 млрд параметров, но использует архитектуру Mixture-of-Experts (MoE) с активными 18 млрд параметров. Для запуска в полном精度 (BF16) требуется около 640 ГБ видеопамяти, что подразумевает использование мульти-GPU ноды. Для локального развертывания на потребительском или серверном оборудовании с меньшим объемом VRAM потребуется квантование (например, 4-bit), хотя официальные веса поставляются в BF16.
Обучение проводилось методом GRPO (Group Relative Policy Optimization) с использованием LoRA (rank-256) и селективного обучения полных параметров. Датасет сформирован на основе 50 реальных кейсов уязвимостей, разбитых на 150 задач (по 3 варианта: guided whitebox, focused whitebox, focused blackbox). Основные типы уязвимостей: ошибки авторизации, идентичности и прав доступа (72%), арифметические ошибки (18%), а также SSRF и проблемы временных меток.
02Бенчмарки и экономика запуска
Тестирование проводилось на 60 задачах из 20 удержанных (held-out) кейсов. Результаты показывают высокую эффективность модели по сравнению с базовым предшественником и коммерческими аналогами, особенно в соотношении цена/качество.
| Модель | Результат (pass@1) | Стоимость за запуск | Стоимость за решенную задачу |
|---|---|---|---|
| apex-flash-1 (Cantina) | 40/60 (66.7%) | ~$2.38 | ~$0.06 |
| GLM-5.3-Flash (Base) | 36/60 (60.0%) | ~$4.56 | ~$0.13 |
| Claude Opus 5 High | 43/60 (71.7%) | ~$74.68 | ~$1.74 |
Apex-flash-1 решает 40 из 60 задач, уступая Claude Opus 5 High всего 3 задачам, но обходя его по стоимости в 31 раз. Базовая GLM-5.3-Flash также показывает снижение эффективности после дообучения в данном контексте, что подчеркивает важность RL-этапа.
03Развертывание и совместимость
Веса доступны на Hugging Face под лицензией MIT. Модель совместима со стандартными инференс-движками: vLLM, SGLang и Transformers. Для оптимизации памяти и скорости рекомендуется использовать vLLM с поддержкой MoE-архитектур.
Также выпущена экспериментальная версия apex-flash-1-abliterated с измененным поведением отказа (refusal behavior), однако она не проходила отдельного бенчмаркинга. Для российских пользователей важно отметить, что доступ к весам и API Z.ai может быть ограничен, однако локальное развертывание через Hugging Face возможно при наличии доступа к интернету для первоначальной загрузки.
# Пример запуска через vLLM (требует ~640GB VRAM для BF16)
vllm serve cantina-security/apex-flash-1 \
--tensor-parallel-size 8 \
--dtype bfloat16 \
--max-model-len 32768# Пример использования через Hugging Face Transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "cantina-security/apex-flash-1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype="auto",
device_map="auto"
)
# Токенизация и генерация
inputs = tokenizer("Find vulnerability in this code:", return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))04Сравнение с аналогами
На рынке появляются и другие специализированные модели. Например, Aikido Altar-1 (328B, INT4) ориентирована на автономное пентестирование в изолированных сетях (air-gapped), используя технику REAP pruning. Cisco Foundation-Sec-8B-Reasoning (8B) на базе Llama 3.1 предназначена для триажинга в SOC и работает на одной GPU. Apex-flash-1 занимает нишу между ними, предлагая баланс между сложностью анализа (MoE 321B) и доступностью через open-weights.
05Кому подойдёт / что запустится
- Security Researchers: Для автоматизированного поиска уязвимостей в коде (SAST) и анализа сетевых протоколов. Особенно эффективна в связке с агентами.
- DevSecOps инженеры: Для интеграции в CI/CD пайплайны проверки безопасности. Низкая стоимость ($0.06 за задачу) позволяет запускать проверки часто.
- Локальные развертывания: Требует мощного GPU-кластера (A100/H100/H200) или квантованных версий для менее мощного железа. Не подходит для запуска на ноутбуках.
- Альтернативы: Если нет доступа к 640GB VRAM, рассмотрите квантованные порты сообщества или более легкие модели типа Cisco Sec-8B для простых задач триажинга.
Источник: MarkTechPost ↗