Представлена открытая модель ИИ-пентестера для локального анализа кода
Для ИИ-пентеста больше не обязательно отдавать исходный код внешнему облачному сервису. Бельгийская Aikido представила Altar, модель с открытыми весами для поиска уязвимостей и работы внутри инфраструктуры компании. Altar предназначена для Aikido Machine, где ИИ-агенты проверяют приложения без передачи чувствительных данных стороннему провайдеру.
Altar построена на GLM-5.3 от Z.AI, большой модели архитектуры mixture-of-experts. В такой схеме каждый запрос обрабатывает лишь часть специализированных вычислительных блоков, хотя хранить приходится весь набор. Aikido сократила число таких блоков с 256 до 168 в каждом соответствующем слое, сохранив маршрутизацию, которая активирует восемь блоков для каждого токена.
Вторым этапом стала квантизация, то есть хранение большей части весов с меньшей точностью. Полная GLM-5.3 в BF16 занимает около 1,51 ТБ, версия AWQ INT4 сокращает объём до 488,2 ГБ, а Altar после дополнительного прореживания весит 328 ГБ. Размер уменьшился на 78,2% относительно исходной модели и ещё на 32,8% относительно уже квантизированной версии.
Главный вопрос такого сжатия связан с потерей способности находить слабые места. Aikido проверила Altar на внутреннем наборе из 32 известных уязвимостей в 30 репозиториях, выполняя по три запуска для каждой задачи. Модель в среднем обнаруживала 60,4% целевых проблем за один прогон и нашла 23 из 32 уязвимостей хотя бы один раз за три попытки.
Полноразмерная GLM-5.3 показала 65,6% среднего recall и нашла 25 из 32 уязвимостей, а квантизированная GLM-5.3 AWQ получила 61,5% и те же 23 из 32. По расчётам Aikido, Altar сохранила 92% охвата исходной модели. Тест, однако, измерял повторное обнаружение заранее известных CVE и не проверял слепой поиск по всей кодовой базе или самостоятельную эксплуатацию.
После испытаний Aikido развернула Altar в своей платформе и заявила, что система уже нашла критическую уязвимость во время производственного пентеста клиента. Для запуска разработчики указывают сервер с четырьмя NVIDIA H200 и vLLM. Веса компания опубликовала на Hugging Face, а лицензия Altar наследует условия базовой GLM-5.3.
Локальный режим решает отдельную проблему корпоративного ИИ-пентеста. Банкам, государственным структурам, медицинским и промышленным организациям нередко нельзя отправлять исходный код, внутреннюю документацию и ещё не исправленные находки в чужое облако. Aikido Machine рассчитана в том числе на полностью изолированные сети и не требует внешнего API для работы модели.
Сама Altar не заменяет весь комплекс тестирования. Модель работает внутри агентной системы, где отдельные компоненты управляют инструментами, областью проверки, сессиями и результатами. Такой подход характерен для современных ИИ-агентов для пентеста, у которых итог зависит не только от языковой модели, но и от ограничений, журналирования и подтверждения найденных проблем.
Одним из первых крупных пользователей Aikido Machine стал бельгийский банк Belfius. Aikido сообщала, что внутри его дата-центра работают более 200 ИИ-агентов, непрерывно проверяющих системы банка. Сама Aikido достигла оценки примерно в $1 млрд в январе 2026 года, а выпуск открытых весов позволяет разворачивать ключевую модель защитной платформы непосредственно в корпоративном контуре.
Altar отражает переход от облачных ИИ-помощников к системам, которые можно держать рядом с исходным кодом и внутренней инфраструктурой. Ранее OpenAI выпустила GPT-5.5-Cyber для контролируемых задач кибербезопасности. Aikido выбрала другой сценарий: организация размещает веса у себя и может проводить проверки, не передавая чувствительный код внешнему поставщику.