Aikido, бельгийская компания, представила Altar — модель ИИ с открытыми весами для выявления уязвимостей в коде. В отличие от облачных решений, Altar работает локально внутри инфраструктуры компании, что позволяет анализировать исходный код без передачи его третьим лицам. Это особенно важно для банков, государственных структур и промышленных организаций, которым нельзя отправлять чувствительные данные во внешние сервисы.

Altar основана на GLM-5.3 архитектуры mixture-of-experts от Z.AI. Aikido оптимизировала модель, сократив число вычислительных блоков и применив квантизацию — метод хранения весов с меньшей точностью. Исходная модель весила 1,51 ТБ, после оптимизации Altar занимает 328 ГБ — сокращение на 78% от оригинального размера и ещё на 33% от уже квантизированной версии.

Компания протестировала Altar на 32 известных уязвимостях в 30 репозиториях. За один запуск модель обнаруживала 60,4% проблем, за три попытки нашла 23 из 32 уязвимостей. Полноразмерная GLM-5.3 показала результат 65,6%, квантизированная версия — 61,5%. Altar сохранила 92% эффективности исходной модели при радикальном снижении размера.

После тестирования Altar уже использовалась в реальном пентесте клиента и выявила критическую уязвимость. Для запуска нужна инфраструктура с четырьмя NVIDIA H200 и фреймворком vLLM. Веса выложены на Hugging Face и лицензированы по условиям GLM-5.3.

Altar входит в Aikido Machine — платформу с агентной архитектурой, где разные компоненты управляют инструментами, областью анализа и подтверждением найденных проблем. Модель не заменяет полный комплекс тестирования, но работает как часть системы, которая непрерывно проверяет код.

Один из первых крупных пользователей Aikido Machine — бельгийский банк Belfius, где внутри дата-центра работают свыше 200 ИИ-агентов. Компания достигла оценки около $1 млрд в январе 2026 года. Выпуск открытых весов позволяет организациям развёртывать модель прямо в своей инфраструктуре и проводить проверки безопасности без помощи внешних поставщиков.

Altar символизирует сдвиг от облачных ИИ-помощников к локальным системам анализа. Организация может держать веса рядом с исходным кодом и проверять его, не передавая данные наружу.