Aikido发布开源安全模型Altar-1，基于GLM-5.3压缩适配本地部署

比利时网络安全公司 Aikido 发布首个开源安全模型 Altar-1。该模型基于 Z.ai 的 GLM-5.3 压缩而来，面向安全场景，企业可以将其部署在自有服务器上，甚至放在完全断网环境中，用于代码审计和渗透测试，源码和未修复漏洞也无需交给外部模型。

压缩方式与部署规模

Aikido 先将 GLM-5.3 做成 INT4 量化版，再采用 Cerebras 的 REAP 方法，对 256 个路由专家中的 88 个进行剪枝，占比 34.4%。

模型体积也随之下降：从全精度版本的 1.51TB 缩至 328GB，较量化后的 488GB 继续减少 32.8%。官方推荐使用 4 张 H200 部署。

测试结果

按 Aikido 自建的 32 个 CVE 测试，Altar-1 单轮平均召回率为 60.4%，量化版 GLM-5.3 为 61.5%。连续测试三轮后，两者都至少一次发现了 23 个漏洞，全精度 GLM-5.3 的结果为 25 个。

Aikido 表示，压缩后模型性能基本保住。严格来说，Altar-1 目前更像是「安全场景定向剪枝的 GLM-5.3」。

后续计划与外部评价

Aikido 明确称，这一步没有训练新技能，真正的安全工作流微调、工具调用和长程推理训练还在后面。

NIST 旗下 CAISI 此前将基座 GLM-5.3 评为目前网络安全能力最强的开源模型，但综合能力仍落后当前美国前沿模型约四个月。