أطلقت Cantina Security مع Yeta Labs نموذج apex-flash-1، نموذجًا مفتوح الأوزان مدرّبًا خصّيصًا لأبحاث الثغرات الأمنية. وهو ضبط بالتعلّم المعزّز لنموذج GLM-5.3-Flash من Z.ai، منشور على Hugging Face بترخيص MIT، بحسب MarkTechPost.
كيف دُرّب؟
- 321.3 مليار معامل كلّي، مبني على نموذج مزيج خبراء بـ18 مليار معامل نشط.
- تدريب بطريقة GRPO مع محوّلات LoRA وتدريب انتقائي لبعض المعاملات.
- البيانات 150 مهمّة من 50 حالة ثغرات حقيقية، كل منها بثلاث صيغ: صندوق أبيض موجّه، وصندوق أبيض مركّز، وصندوق أسود مركّز.
- 72% من الحالات ثغرات في التفويض والهوية والنطاق، و18% أخطاء في المحاسبة والدقّة الرقمية.
- جرت محاولات التعلّم المعزّز داخل هارنس Codex على بيئات برمجية شبيهة بالإنتاج.
النتائج (أرقام Cantina)
على 60 مهمّة من 20 حالة ثغرات لم يرها النموذج:
- apex-flash-1: حلّ 40 (66.7%) بتكلفة نحو 2.38 دولار.
- GLM-5.3-Flash الأصلي: 36 (60%) بنحو 4.56 دولار.
- Claude Opus 5 بجهد عالٍ: 43 (71.7%) بنحو 74.68 دولار.
أي نحو 6 سنتات لكل مهمّة محلولة مقابل 1.74 دولار لـOpus. وتنبّه MarkTechPost إلى أنها أرقام الشركة على اختبار داخلي.
عامل لا قائد
تقدّم Cantina النموذج كـ«عامل» يقوده نموذج أكبر، لمهام قراءة الكود واستخدام الأدوات وتطوير الاستغلال والتحقّق منه. وحجّتها أن المدافعين يحتاجون نماذج قادرة يمكنهم تشغيلها والتحكّم فيها محليًا. لكن تشغيله ليس خفيفًا: يحتاج نحو 640 غيغابايت من ذاكرة البطاقات بدقّة BF16.
ليه ده مهم؟
يأتي النموذج بعد أسابيع من Altar-1 من Aikido Security، والنمط واضح: نماذج مفتوحة كبيرة تُضبط لمهام أمنية لتعمل داخل شبكات المؤسّسات. وفارق التكلفة الكبير مقابل فارق أداء صغير يجعل تقسيم العمل بين نموذج قائد غالٍ وعامل رخيص استراتيجية منطقية.
المصادر: MarkTechPost — 2026-10-05
