Aikido 开源安全模型 Altar：把 GLM-5.3 从 1.51TB 压到 328GB 塞进气隙机房
9 月 21 日，安全公司 Aikido 发布首个开放权重安全模型 Altar，用来给自家自主渗透测试设备 Aikido Machine 提供 AI 能力，且整机跑在客户自己的基础设施里，包括完全气隙的环境。它要解决的问题很具体：把前沿模型用于代码审计时，源码、内部架构文档和未修复的漏洞结论都要送到第三方推理服务；对受数据驻留约束的银行或医院，这笔账算不过来。
压缩路径是可核的工程账：从 GLM-5.3 出发，全精度占 1.51 TB，量化后 488 GB，再用 Cerebras 的 REAP（Routed Expert Activation Pruning）专家剪枝降到 328 GB；官方给出的总降幅是 78.2%，相对 GLM-5.3 加 AWQ INT4 再小 32.8%，256 个路由专家保留 168 个。剪枝的取舍标准取自自家渗透测试 harness 的真实 trace——按工作负载而不是按通用平均选专家，并跨不同能力组检查贡献，避免网络安全这类小众但关键的能力被平均掉。官方强调这是按负载选专家，不是往模型里训练新能力。
它改变了什么：「开放权重够用」与「能跑在客户自己的机房里」这两件事长期是分开的，这次给出了一条可复现的路径——用工作负载 trace 做专家剪枝、再用同一套服务栈跑在气隙环境里，模型大小从「要几百 GB 统一内存」降到能按台部署。边界：全部数字来自 Aikido 官方博客与其配套压缩研究，本站未独立复跑；安全能力评测用的是厂商自建内部基准，未见第三方复现。
原文链接：Aikido 官方博客
核验记录
官方博客页 JSON-LD datePublished 直读为 Sep 21, 2026（同页 dateModified 2026-09-22T07:09:50Z）；HF 侧出现多个第三方转存仓（altar-1）createdAt 9/20–9/22，与该日期互证。体积与压缩数字逐字取自正文（1.51 TB → 488 GB → 328 GB、78.2%、32.8%、256 中保留 168 个专家、REAP）。基准与安全评测均为厂商自述，未独立复跑；配图取自该博文正文 CDN，裸请求与带站内 Referer 均 200 / PNG 1870×1166。
← 上一篇Bad Theory Labs 开源 Tinfield 1：177B 终端智能体在 Terminal-Bench 4.0 拿 33.0下一篇 →Edge0 开源 Audio8-ASR-Infinite：原生流式语音识别，滚动 KV Cache 撑住 24 小时不漂移