Aikido Altar
Modèle de sécurité open-weight d'Aikido Security (21 septembre 2026) : GLM-5.3 quantifié puis élagué à 328 Go pour le pentest IA en air gap sur 4 H200.
SFEIR AI · Publié le 1 octobre 2026
Un dérivé de GLM-5.3 publié par Aikido Security le 21 septembre 2026
Aikido Altar, aussi appelé Altar-1, est le premier modèle de sécurité open-weight d'Aikido Security, entreprise de Gand (Belgique). Selim Decamps et Tiburce Gridello l'ont annoncé le 21 septembre 2026 sur le blog de l'éditeur, et les poids sont publiés sur Hugging Face sous le nom AikidoSec/altar-1. Le modèle est une compression, sans réentraînement, de GLM-5.3 de Z.ai, menée par 0xSero.
Le modèle d'origine est un Mixture-of-Experts de 753 milliards de paramètres : 256 experts routés par couche, dont 8 s'activent pour chaque token, soit environ 40 milliards de paramètres actifs, pour 1 506,7 Go de poids en BF16. Altar ramène ce volume à 328,0 Go et environ 504 milliards de paramètres, en gardant 8 experts actifs par token et le même ordre de grandeur de paramètres actifs.
Deux compressions successives : quantification AWQ, puis élagage REAP
La première étape est une quantification AWQ au format W4A16, à partir du checkpoint cyankiwi/GLM-5.3-AWQ-INT4 : seuls les experts routés passent en 4 bits, tandis que l'attention, l'expert partagé, les couches denses et la tête de sortie restent en BF16. Le modèle tombe à 488,2 Go.
La seconde étape applique REAP (Router-weighted Expert Activation Pruning), la méthode d'élagage d'experts publiée par Cerebras (arXiv 2510.13999). Altar conserve 168 des 256 experts routés de chaque couche et en retire 88, soit 34,4 %. Le jeu de calibration mêle des traces du harnais de pentest d'Aikido sur ses benchmarks internes (code lu, appels d'outils, réponses), du code, du raisonnement et des articles Wikipédia multilingues, en français et en néerlandais entre autres. Aikido indique qu'aucune donnée client n'a servi.
Ce que mesure le benchmark interne d'Aikido
Aikido a comparé les trois versions sur son benchmark de 32 CVE connues réparties dans 30 dépôts, trois runs par cas, via son harnais AI Code Analysis. Les chiffres sont ceux de l'éditeur :
- GLM-5.3 en BF16 : 1 506,7 Go, 65,6 % de recall moyen, 25 CVE couvertes au moins une fois
- GLM-5.3 en AWQ INT4 : 488,2 Go, 61,5 % de recall, 23 CVE couvertes
- Altar (élagué W4A16) : 328,0 Go, 60,4 % de recall, 23 CVE couvertes
Les limites du chiffre
Face au modèle d'origine, Altar occupe 78,2 % de stockage en moins et garde 92 % de la couverture. Le test mesure la redécouverte de CVE connues dans le pipeline d'Aikido ; il ne mesure ni la découverte à l'aveugle sur une base de code entière, ni l'exploitation des failles, ni la proposition de correctifs, comme le relève RuntimeWire le jour de l'annonce. Notre article Aikido Altar : un modèle de sécurité open-weight taillé pour l'air gap détaille la méthode et ce que les chiffres laissent de côté.
Service, licence et provenance
Aikido sert Altar sur un nœud de quatre GPU H200 avec vLLM, avec un contexte de 131 072 tokens ; la fiche du modèle exige des GPU d'architecture Hopper (H100 ou H200). La licence déclarée sur Hugging Face est « other » : Altar hérite de la licence de GLM-5.3, qui reprend le texte MIT (usage, modification, redistribution et vente autorisés) et n'y ajoute qu'une revue de sécurité par Z.ai pour les exploitants de « Model as a Service » dépassant 10 milliards de dollars de chiffre d'affaires annuel. Cette licence n'est pas approuvée par l'OSI.
Les poids descendent d'un modèle de Z.ai, entreprise chinoise inscrite sur l'Entity List du département du Commerce américain depuis janvier 2025. La souveraineté que revendique Aikido porte sur le lieu d'exécution : le code et les failles restent dans le réseau du client.
Usage chez Aikido et feuille de route
Altar est le moteur d'Aikido Machine, l'appliance de pentest autonome d'Aikido : un serveur 4U à GPU d'entreprise installé dans le datacenter du client, qui fonctionne sans connexion internet. Le modèle est déployé sur toute la flotte et, selon Aikido, a trouvé une faille critique valide lors d'un pentest de production chez un client. L'éditeur annonce son extension à Aikido Attack, Code Security Audit et Deep PR Review, puis des formats sous 4 bits (EXL3), une optimisation du service sur H200, un fine-tuning sur ses workflows de sécurité et un pipeline d'auto-apprentissage.
Questions fréquentes
Qu'est-ce qu'Aikido Altar ?
Aikido Altar, ou Altar-1, est un modèle de sécurité open-weight publié le 21 septembre 2026 par Aikido Security (Gand, Belgique). C'est une compression sans réentraînement de GLM-5.3 de Z.ai : quantification AWQ W4A16 puis élagage REAP de 88 experts sur 256 par couche, pour passer de 1 506,7 Go à 328,0 Go. Il alimente Aikido Machine, l'appliance de pentest autonome qui tourne dans le datacenter du client sans internet.
Que perd Altar par rapport à GLM-5.3 ?
Sur le benchmark interne d'Aikido (32 CVE connues, 30 dépôts, trois runs), le recall moyen passe de 65,6 % à 60,4 % et la couverture de 25 à 23 CVE, pour 78,2 % de stockage en moins. Ces chiffres viennent de l'éditeur et ne mesurent ni la découverte à l'aveugle, ni l'exploitation, ni les correctifs.
Quel matériel faut-il pour servir Aikido Altar ?
Aikido sert le modèle sur un nœud de quatre GPU H200 avec vLLM, avec un contexte de 131 072 tokens. La fiche Hugging Face exige des GPU d'architecture Hopper, H100 ou H200.
Sous quelle licence Aikido Altar est-il publié ?
Hugging Face affiche « other » : Altar hérite de la licence de GLM-5.3, qui reprend le texte MIT (redistribution et vente autorisées) avec une seule condition, une revue de sécurité par Z.ai pour les exploitants de « Model as a Service » dépassant 10 milliards de dollars de chiffre d'affaires annuel. Cette licence n'est pas approuvée par l'OSI, et les poids descendent d'un modèle de Z.ai, entreprise inscrite sur l'Entity List américaine depuis janvier 2025.
Sources
- Aikido Security, Selim Decamps et Tiburce Gridello, « Introducing Aikido Altar: the model that makes sovereign security intelligence possible » : compression AWQ puis REAP, 168 experts gardés sur 256, benchmark de 32 CVE, déploiement sur Aikido Machine, feuille de route · 2026-09-21
- Fiche du modèle AikidoSec/altar-1 sur Hugging Face, 504 milliards de paramètres, 328 Go en W4A16, checkpoint de départ cyankiwi/GLM-5.3-AWQ-INT4, service sur 4 × H200 avec vLLM, contexte de 131 072 tokens, GPU Hopper requis, licence héritée de GLM-5.3 · 2026-09-21
- Aikido Security, page produit Aikido Machine : serveur 4U à GPU d'entreprise dans le datacenter du client, fonctionnement sans internet
- Ryan Merket, RuntimeWire, « Aikido ships Altar-1, a 328 GB GLM-5.3 prune for on-prem pentesting » : limites du benchmark (pas de découverte à l'aveugle, d'exploitation ni de correctifs) · 2026-09-21
- Cerebras, « REAP: Router-weighted Expert Activation Pruning », arXiv 2510.13999
- Z.ai, fichier LICENSE de GLM-5.3 : texte MIT plus clause de revue de sécurité pour les exploitants de « Model as a Service » au-delà de 10 milliards de dollars de chiffre d'affaires · 2026-08-28
If the Licensee or any of its affiliates operates a Model as a Service business, and the aggregate revenue of the Licensee and its affiliates exceeds 10 billion US dollars (or the equivalent in other currencies) in total over any consecutive 12 months, the Licensee must pass Z.AI's security review before using the Software or its derivative works for any commercial purpose.
- Federal Register, Bureau of Industry and Security, ajout de Beijing Zhipu Huazhang Technology (Z.ai) à l'Entity List, effectif le 16 janvier 2025 · 2025-01-16
Aikido Altar dans vos projets
Échanger avec SFEIRArticles liés
Aikido Altar : un modèle de sécurité open-weight taillé pour l'air gap
Aikido Security a ramené GLM-5.3 de 1,51 To à 328 Go pour un pentest IA sur quatre H200, dans un réseau coupé d'internet. Sur son benchmark de 32 CVE, Altar garde 23 des 25 failles du modèle d'origine. Méthode, licence et limites.
GLM-5.3 : les failles du meilleur open source annoncent celles de votre code interne
Anthropic, le NIST et Z.ai ont évalué GLM-5.3 : des exploits de bout en bout proches de Mythos Preview, des refus qui tombent pour 4 400 $ de GPU. Si l'open source cède à ce modèle, votre code interne cédera plus vite. Ce qui marche pour trouver vos failles d'abord.
GLM 5.3 = GLM 5.2 + une pincée de cyber
Z.ai a annoncé GLM-5.3 le 14 août 2026 sans réentraîner son modèle de base : tous les gains viennent du post-training. Le laboratoire chinois retarde de deux semaines la publication des poids à cause d'une capacité cyber qu'il dit ne pas avoir planifiée. Lecture SFEIR.