Cantina 发布 apex-flash-1：60 道漏洞题解出 40 道，成本仅 Opus 的 1/31
来源MarkTechPost查看原文
速览
- apex-flash-1 是 321.3B 参数、MIT 协议的开源安全模型。
- GRPO 训练基于 50 个真实漏洞案例，扩展出 150 个任务。
- 60 道留出任务上 pass@1 为 66.7%，Opus 5 High 为 71.7%。
- 单次评测成本 2.38 美元，Opus 为 74.68 美元，相差约 31 倍。
- BF16 需多卡节点，社区已有 4-bit 量化路径。
- Cantina 将其定位为被大模型调度的 worker，而非编排者。
- 训练 rollout 在 Codex agent harness 中、面向类生产环境执行。
- 同赛道还有 Aikido Altar-1 与 Cisco Foundation-Sec-8B-Reasoning。
安全公司 Cantina Security 联合 Yeta Labs 发布开源权重模型 apex-flash-1，专门用于漏洞研究。该模型基于 Z.ai 的 GLM-5.3-Flash 做强化学习微调，采用 GRPO 训练，使用 rank-256 LoRA 加选择性全参数训练，训练数据来自 50 个真实漏洞案例、每个案例生成 3 种变体共 150 个任务。在 20 个留出漏洞案例构成的 60 道评测任务上，apex-flash-1 解出 40 道（pass@1 66.7%），单次运行成本约 2.38 美元；基座 GLM-5.3-Flash 解出 36 道（60.0%），成本约 4.56 美元；Claude Opus 5 High 解出 43 道（71.7%），成本约 74.68 美元。换算下来，apex-flash-1 每个解出任务约 0.06 美元，Opus 约 1.74 美元。模型以 MIT 协议在 Hugging Face 发布，总参数 321.3B，BF16 部署约需 640 GB 显存。
关键事实
- apex-flash-1 由 Cantina Security 与 Yeta Labs 联合发布，基于 Z.ai 的 GLM-5.3-Flash 微调，MIT 协议开源在 Hugging Face。
- 模型总参数 321.3B，基座 GLM-5.3-Flash 为 MoE 架构，激活参数 18B。
- 训练使用 GRPO，配合 rank-256 LoRA 加选择性全参数训练，数据为 50 个真实漏洞案例生成的 150 个任务。
- 每个漏洞案例有 3 种变体：guided whitebox、focused whitebox、focused blackbox。
- 训练数据中授权、身份与作用域类缺陷占 72%，会计与数值精度类占 18%，其余为时间校验、业务规则与 SSRF。
- 评测使用 20 个留出漏洞案例的 60 道任务，每个模型只跑一次：apex-flash-1 解出 40/60（66.7%），成本约 2.38 美元。
本站视角
这件事最直接的影响对象是做安全工具链的团队和自建推理集群的企业安全部门。过去一年，漏洞研究类 agent 基本被闭源前沿模型把持，原因不是能力差距，而是成本：按 Cantina 的数字，同样跑 60 道任务，Opus 要 74.68 美元，apex-flash-1 只要 2.38 美元。如果这个量级成立，意味着把漏洞扫描、代码审计、PoC 验证这类高频、可并行的任务从「按次付费调用 API」搬到「自建节点跑开源权重」在经济上第一次说得通——尤其是需要反复迭代、跑成千上万次的场景，成本差会被放大到不可忽视。我们认为这是开源专用模型在垂直 agent 场景里一次有说服力的落点：它没有去追通用能力，而是用 50 个真实案例的强化学习把某一类任务做深，这种「窄而深」的路线比再发一个通用基座更有实际价值。但需要保持警惕的地方有三点。第一，66.7% 对 71.7% 的差距只有 3 道题，在 60 道样本、单次运行、无重复实验的条件下，这个差距不具备统计意义，把它解读为「接近 Opus」是过度解读，反过来把它解读为「明显落后」同样不成立。第二，所有数字都来自 Cantina 自己的内部 benchmark，训练数据来自 50 个真实案例，评测来自 20 个留出案例，两者是否同源、留出是否严格隔离，原文没有交代，这直接决定 66.7% 是否可信。第三，640 GB 的 BF16 显存需求意味着它并不是「人人可跑」的模型，真正能落地的只有拥有多卡节点的团队，社区 4-bit 量化路径的精度损失原文也未给出数据。对国内做安全 agent 的团队来说，值得跟进的是它的训练配方——GRPO 加 rank-256 LoRA 加选择性全参数训练，以及把 rollout 放进 Codex harness 的做法，这套组合能否迁移到其他垂直领域，比模型本身的分数更值得观察。
背景与影响
安全领域此前已有多个开源专用模型：Aikido Security 的 Altar-1 走专家剪枝（REAP）加量化路线，面向气隙环境自主渗透测试，用 4 张 H200 配 vLLM 运行，在 32 个 CVE 的内部集上报告 60.4% recall；Cisco Foundation AI 的 Foundation-Sec-8B-Reasoning 基于 Llama 3.1 8B，走指令微调加 RLHF，面向 SOC 告警分诊与威胁防御，可单卡运行。apex-flash-1 的差异在于不做预训练，而是在开源 MoE 基座上用强化学习后训练，并把训练环境放在 Codex agent harness 里、面向类生产的软件与协议环境做 rollout，目标技能包括代码阅读、工具调用、漏洞利用开发与验证。Cantina 给出的理由是防御方需要能本地运行、可掌控的模型。需要指出的是，上述评测数字均为 Cantina 自报的内部 benchmark，样本为 20 个留出案例的 60 道任务、每个模型只跑一次，样本量与统计效力都有限；成本也是按各家 API 定价估算，并非实测账单。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
