Segun MarkTechPost (AI/ML News), Aikido Security ha presentado Altar-1, su primer modelo de seguridad de peso abierto, diseñado para operar en entornos de red cerrada. Este modelo se deriva del GLM-5.3 de Z.AI, un sistema de 753 millones de parámetros basado en una arquitectura de múltiples expertos, y ha sido optimizado para funcionar en infraestructuras que los clientes gestionan directamente. La solución se posiciona como respuesta a una limitación crítica: los modelos de inteligencia artificial de frontera tradicionales requieren ejecutarse en infraestructuras externas, lo que implica exponer código fuente, documentación técnica y hallazgos de seguridad fuera de la red. Este riesgo es particularmente grave para instituciones financieras sujetas a obligaciones de residencia de datos y operadores de tecnología en procesos críticos que no tienen acceso a internet.
Altar-1 ha sido desarrollado mediante dos pasos de compresión. Primero, se aplica una cuantización de 4 bits (W4A16) en los pesos de los expertos, manteniendo las capas de atención y las salidas en precisión de 16 bits (BF16). Este proceso reduce el tamaño del modelo sin comprometer significativamente su capacidad de procesamiento. En segundo lugar, se implementa una técnica de eliminación selectiva de expertos, denominada Cerebras REAP, que evalúa no solo la frecuencia de uso, sino también la magnitud de las salidas y el peso del router. Como resultado, se conservan 168 de los 256 expertos activos por capa, eliminando un 34,4% de los mismos. Este proceso se lleva a cabo sin reentrenamiento, lo que garantiza que el modelo no requiera datos adicionales o procesos de validación costosos.
El modelo es compatible con plataformas como Hugging Face y puede ejecutarse en una sola unidad con cuatro GPUs NVIDIA H200. Su integración en el dispositivo Aikido Machine permite realizar pruebas de penetración autónomas en redes locales y aisladas, lo que amplía las capacidades de detección de vulnerabilidades sin depender de servicios en la nube. La calibración se basa en rastreos reales del entorno de pruebas de seguridad, junto con ejemplos de codificación, llamadas a herramientas, razonamientos y textos del Wikipedia multilingüe.
Para los usuarios del Perú, este avance es relevante en un contexto donde muchas empresas, especialmente en sectores como banca, salud o manufactura, operan en entornos de red cerrada por razones de seguridad o cumplimiento normativo. La disponibilidad de modelos abiertos que funcionan sin necesidad de internet reduce las barreras técnicas y económicas para implementar inteligencia artificial en defensa de sistemas críticos. Aunque el modelo no reemplaza a los equipos tradicionales de seguridad, ofrece una alternativa viable para organizar y automatizar el monitoreo de riesgos en entornos que antes eran inaccesibles a soluciones basadas en IA.