เปิดตัว apex-flash-1 โมเดล AI Open Source เจาะระบบและวิจัยบั๊ก

Cantina Security ร่วมกับ Yeta Labs เปิดตัว apex-flash-1 โมเดลภาษาขนาดใหญ่แบบ open-weights ที่ออกแบบมาเพื่องานวิจัยช่องโหว่ความปลอดภัยโดยเฉพาะ โดยเป็นการนำ GLM-5.3-Flash ของ Z.ai มาปรับแต่งผ่านกระบวนการ Reinforcement Learning (RL) และเปิดให้ใช้งานผ่าน Hugging Face ภายใต้ใบอนุญาต MIT

โมเดลนี้สามารถนำไปใช้งานได้จริงผ่านเฟรมเวิร์กยอดนิยมอย่าง vLLM, SGLang หรือ Transformers อย่างไรก็ตาม เนื่องจากเป็นโมเดลขนาดใหญ่ ในรูปแบบ BF16 จึงจำเป็นต้องใช้หน่วยความจำ GPU สูงถึงประมาณ 640 GB ในการประมวลผล

สิ่งที่ Cantina สร้างขึ้น

ตามข้อมูล metadata ของ safetensors บน Hugging Face พบว่า apex-flash-1 มีพารามิเตอร์รวมทั้งหมด 321.3B โดยใช้สถาปัตยกรรม Mixture-of-Experts (MoE) ซึ่งมีพารามิเตอร์ขณะทำงานจริง (active parameters) อยู่ที่ 18B

Cantina ฝึกฝนโมเดลนี้ด้วยเทคนิค GRPO โดยใช้ LoRA แบบ rank-256 ร่วมกับการฝึกฝนเต็มพารามิเตอร์ในบางส่วน ชุดข้อมูลที่ใช้ประกอบด้วย 150 งานวิจัยที่สร้างจากกรณีศึกษาช่องโหว่ในโลกจริง 50 กรณี ซึ่งครอบคลุมทั้งรูปแบบ guided whitebox, focused whitebox และ focused blackbox

ช่องโหว่ที่ใช้ทดสอบส่วนใหญ่เป็นเรื่องการอนุญาตสิทธิ์ (Authorization) อัตลักษณ์ (Identity) และขอบเขต (Scope) ซึ่งคิดเป็น 72% ของกรณีทั้งหมด ขณะที่บั๊กด้านการคำนวณและความแม่นยำของตัวเลขคิดเป็น 18% ส่วนที่เหลือเป็นเรื่องการตรวจสอบเวลา กฎทางธุรกิจ และ SSRF โดยการทำ RL rollouts ทั้งหมดรันอยู่บนระบบ agent harness ของ Codex ในสภาพแวดล้อมจำลองที่เหมือนการใช้งานจริง

ผลลัพธ์การทดสอบ Benchmark

จากการประเมินผลผ่านงานวิจัย 60 รายการที่แยกไว้เป็นชุดทดสอบเฉพาะ (held-out) พบว่าโมเดลมีประสิทธิภาพที่น่าสนใจเมื่อเทียบกับคู่แข่งในตลาด:

• apex-flash-1: แก้ไขบั๊กได้ 40/60 รายการ (66.7% pass@1) โดยมีต้นทุนเพียง $2.38
• GLM-5.3-Flash (Base): แก้ไขได้ 36/60 รายการ (60.0%) ต้นทุนประมาณ $4.56
• Claude Opus 5 High: แก้ไขได้ 43/60 รายการ (71.7%) แต่มีต้นทุนสูงถึง $74.68

แม้ Claude Opus จะแก้ไขงานได้มากกว่า 3 รายการ แต่ต้นทุนต่อการรันกลับสูงกว่า apex-flash-1 ถึง 31 เท่า โดย apex-flash-1 มีค่าใช้จ่ายต่อหนึ่งงานที่แก้ไขสำเร็จเพียง $0.06 เทียบกับ $1.74 ของ Opus ซึ่งเป็นข้อได้เปรียบสำคัญในด้านความคุ้มค่า

โมเดลระดับปฏิบัติการ ไม่ใช่ผู้ควบคุม (Orchestrator)

Cantina วางตำแหน่งให้ apex-flash-1 เป็นโมเดลระดับปฏิบัติการ (worker) ที่ทำงานภายใต้การควบคุมของโมเดลขนาดใหญ่อีกที โดยเน้นความสามารถในการอ่านโค้ด การใช้เครื่องมือ การพัฒนาชุดคำสั่งโจมตี (exploit development) และการตรวจสอบความถูกต้อง

นอกจากนี้ยังมีเวอร์ชันทดลอง apex-flash-1-abliterated ที่ปรับแต่งเพื่อลดการปฏิเสธคำสั่ง (refusal behavior) ซึ่ง Cantina เชื่อว่าการมีโมเดลที่มีความสามารถและควบคุมได้เองภายในองค์กร (locally) เป็นสิ่งจำเป็นอย่างยิ่งสำหรับนักป้องกันภัยไซเบอร์

การเปรียบเทียบคุณสมบัติ

แหล่งที่มา: ข้อมูลจาก Cantina, Aikido, Cisco, Hugging Face model cards. © Marktechpost

ประเด็นสำคัญ

• apex-flash-1 เป็นโมเดลความปลอดภัยแบบ open-weights ขนาด 321.3B ภายใต้ลิขสิทธิ์ MIT
• ฝึกฝนด้วยวิธี GRPO จากกรณีศึกษาช่องโหว่จริง ทำให้มีความแม่นยำสูงในงานเฉพาะทาง
• ประสิทธิภาพการแก้ไขบั๊กอยู่ที่ 66.7% ซึ่งใกล้เคียงกับโมเดลระดับท็อปอย่าง Claude Opus
• ประหยัดต้นทุนกว่าโมเดลเชิงพาณิชย์อย่างมาก โดยรุ่น BF16 ต้องใช้เครื่องสเปกสูง แต่มีเวอร์ชัน 4-bit จากชุมชนเป็นทางเลือก