资讯
挖漏洞的开源模型 apex-flash-1：成绩逼近 Claude Opus 5，成本不到三十分之一
Cantina Security 和 Yeta Labs 发布了专门做漏洞挖掘的开源权重模型 apex-flash-1。它基于智谱 GLM-5.3-Flash，用 50 个真实漏洞案例做强化学习训练。在 60 个漏洞任务的内部测试里，它解出 40 个，只比 Claude Opus 5 High 少 3 个，运行成本却只有对方的约三十分之一。模型以 MIT 协议在 Hugging Face 开放下载。
10 月初，安全公司 Cantina Security 和 Yeta Labs 发布了 apex-flash-1。这是一个开放权重的 AI 模型，专门为漏洞研究训练。它基于智谱 Z.ai 的 GLM-5.3-Flash，用 GRPO 强化学习微调而成。模型以 MIT 协议发布在 Hugging Face 上，任何人都可以下载、本地部署。
Cantina Security 由 Harikrishnan Mulackal 创立。他之前做过安全研究网络 Spearbit，现在这家公司卖自动化安全软件，也提供研究员主导的安全服务。这次发布，是把自己做漏洞研究时积累的真实案例，做成了可复用的模型。
训练数据：50 个真实漏洞，150 个任务
模型训练用的不是合成数据。Cantina 把 50 个真实的、已经披露的漏洞案例，整理成 150 个训练任务。每个案例做成 3 个版本：给源码加引导的白盒版本、给源码但少提示的版本、只给运行目标不给源码的黑盒版本。强化学习的 rollout 在 Codex agent 框架里跑，环境接近真实软件。
案例构成：授权、身份和越权类缺陷占 72%，会计和数值精度问题占 18%，剩下的是时间校验、业务规则和 SSRF。模型总参数 321.3B（MoE 架构，每次激活 18B），BF16 精度部署需要约 640 GB 显存。
成绩：接近 Claude Opus 5 High，成本差 31 倍
Cantina 在 20 个预留的漏洞案例上做了 60 个任务的测试。结果如下：
- apex-flash-1：解出 40 个（66.7%），花费约 2.38 美元
- GLM-5.3-Flash（微调前）：解出 36 个（60.0%），花费约 4.56 美元
- Claude Opus 5 High：解出 43 个（71.7%），花费约 74.68 美元
Opus 只多解出 3 个任务，成本却是 31 倍。按解出的任务算，apex-flash-1 每个任务约 0.06 美元，Opus 约 1.74 美元。
需要提醒两点。第一，这是 Cantina 自己的测试集，结果是公司自报的，不是独立评测。第二，Cantina 把 apex-flash-1 定位为“执行者”：它适合被更大的模型编排，负责读代码、调用工具、写 PoC 和验证漏洞这类执行工作。
有争议的一步：一起发布的 abliterated 版本
Cantina 同时发布了一个“abliterated”变体。它修改了模型的拒绝行为，拒绝回答的次数更少，方便研究员完全掌控模型行为。这个版本没有单独做评测。
这一步把双重用途的争议摆到了台面上：一个能自动挖漏洞的模型，配上更少的拒绝，攻击者也能用。Cantina 的回应是：攻击者本来就不会遵守可接受使用政策，他们可以在本地跑开源模型、去掉防护。限制 AI 的网络安全能力，真正卡住的是守规矩的防守方，而不是攻击者。
谁能用
MIT 协议意味着商用也免费。权重可以在 vLLM、SGLang 或 Transformers 上跑。代价是硬件：BF16 需要多卡节点，社区已经有 4-bit 量化版本，显存要求低得多。
对安全团队来说，这意味着漏洞挖掘的 AI 成本从“每次几十美元”降到了“每次几美元”。对中文开发者还有一个顺手的点：底座是智谱的 GLM-5.3-Flash，国产开源模型又多了一个有实战成绩的衍生版本。
（信息来源：MarkTechPost 10 月 4 日报道、Complete AI Training、RuntimeWire；成绩数据为 Cantina 公司自报。）