据MarkTechPost报道，Aikido Security于9月25日发布首个开放权重安全模型Altar-1。该模型由Z.AI的GLM-5.3压缩而来，权重已公开在Hugging Face，可在4块NVIDIA H200 GPU组成的单节点上以vLLM运行，用于本地和空气隔离网络。
Aikido Security称，Altar-1驱动其自主渗透测试设备Aikido Machine。公司指出，封闭前沿模型运行在他人基础设施上，使用它们会把源代码、架构文档和未修复发现送出网络；受数据驻留要求的银行和没有互联网路由的OT运营方因此难以采用。开放权重模型可解决驻留问题，但带来部署门槛：MoE模型必须存储所有专家，安全智能体还会构建长时上下文，KV缓存与模型权重争用同一GPU内存。
GLM-5.3是753B参数MoE模型，每token每层路由至256个专家中的8个，约40B活跃参数。Aikido采用两步压缩。第一步从cyankiwi GLM-5.3-AWQ-INT4检查点开始量化，AWQ将路由专家权重存为4比特、激活为16比特，即W4A16；注意力、共享专家、稠密层和头部保持BF16。第二步用Cerebras REAP进行专家剪枝，按路由器权重和输出幅度评分，每层保留168个路由专家，移除88个，占34.4%，不涉及再训练。路由不变，仍从168个专家中为每token选择8个，活跃参数约40B。校准使用Aikido渗透测试工具链轨迹以及编码、工具调用、推理和多语言维基百科文本，公司称未使用客户数据。
压缩后，GLM-5.3 BF16权重为1506.7GB，AWQ INT4为488.2GB，Altar-1为328.0GB，比BF16小78.2%，比AWQ父模型小32.8%。在密封25提示面板上，Altar-1相对完整BF16的KL散度为0.506 nats，同一剪枝的EXL3版本为0.511。
Aikido内部CVE基准覆盖30个代码库中的32个已知漏洞。GLM-5.3 BF16平均召回率65.6%，至少发现一次25个；AWQ INT4为61.5%和23个；Altar-1为60.4%和23个。相比AWQ检查点，剪枝损失约1个百分点召回率且覆盖不变；相比父模型，Altar-1保留25个已覆盖漏洞中的23个，即92%，召回率低5.2个百分点。该基准衡量定向重新发现CVE，不衡量盲发现、利用验证或修复建议。Aikido还称Altar-1在一次客户生产渗透测试中发现一个有效的严重漏洞，这是厂商报告的单一结果。
模型卡要求Hopper GPU，即H100或H200。Aikido称328GB分布在4块H200上，可在生产批大小下为128k上下文KV缓存留出空间。vLLM会自动选择Marlin MoE内核。4块H100 80GB节点只有320GB内存，低于328GB权重。Altar-1继承GLM-5.3许可证，允许商业使用、修改和再分发；12个月内收入超过100亿美元的模型即服务运营方须先通过Z.AI安全审查。它是开放权重模型，并非OSI认可的开源许可。Altar-1还驱动Aikido Attack、AI Code Analysis和Deep Review。Aikido下一步计划尝试EXL3等更低比特格式以保留更多专家，并针对安全工作流微调模型。