Cantina lanza Apex Flash 1, un modelo de peso abierto para investigaciones de seguridad de software

Cantina Security, junto con Yeta, anunció el lanzamiento de Apex Flash 1, una post‑entrenamiento de aprendizaje por refuerzo de la arquitectura GLM‑5.3‑Flash específicamente afinada para investigaciones de seguridad de software. El modelo se posiciona como un “trabajador enfocado” que puede ser llamado por un agente de nivel superior para realizar pasos concretos como análisis de código, invocación de herramientas, generación de exploits y verificación en tiempo real.

La arquitectura subyacente contiene aproximadamente 321,3 mil millones de parámetros, pero solo alrededor de 18 mil millones se activan por token gracias a la activación dispersa. Aunque los pesos abiertos están disponibles públicamente, siguen requiriendo recursos de memoria significativos, lo que hace que el modelo no sea adecuado para hardware de bajo nivel sin la infraestructura apropiada.

Metodología de evaluación y resultados

Cantina evaluó Apex Flash 1 en una suite curada de 60 tareas derivadas de 20 casos de vulnerabilidades reservados. Las tareas se dividieron en tres enfoques investigativos: caja blanca guiada, caja blanca enfocada y caja negra enfocada, cada una ejecutada en entornos objetivo aislados equipados con verificadores de estado final para confirmar el impacto del exploit.

El modelo tuvo éxito en 40 de las 60 tareas, alcanzando una tasa de 66,7 % pass@1 en intentos de primera ejecución. Cantina informó un coste computacional medio de 2,38 USD por tarea, cifra que refleja la eficiencia de la activación dispersa a pesar del gran número de parámetros.

Para contextualizar, la propia comparación de Cantina muestra que el modelo base GLM‑5.3‑Flash sin modificar resolvió 36 de 60 tareas a 4,56 USD por tarea, mientras que Claude Opus 5.5 de Anthropic resolvió 43 de 60 tareas pero a un coste mucho mayor de 74,68 USD por tarea. Cantina subraya que estos números provienen de su evaluación interna y no han sido verificados de forma independiente.

Patrón de uso recomendado

Los desarrolladores aconsejan desplegar Apex Flash 1 a través del arnés de agente Codex, tratándolo como un trabajador especializado que opera bajo la guía de un agente supervisor más amplio. Este enfoque pretende mitigar los riesgos asociados a la automatización de seguridad de extremo a extremo sin supervisión.

La evaluación pública se centra exclusivamente en tareas de seguridad basadas en texto. Las capacidades retenidas de Apex Flash 1 para procesar imágenes o video no formaron parte del benchmark, y los resultados no deben extrapolarse a escenarios multimodales.

Licencia y responsabilidades legales

Apex Flash 1 se publica bajo la licencia MIT, que otorga amplia libertad para usar, modificar y distribuir el código. Sin embargo, Cantina enfatiza que los usuarios siguen siendo plenamente responsables de obtener la autorización legal, aislar el modelo en entornos de sandbox, realizar revisiones humanas de los resultados y evitar cualquier uso ofensivo más allá de los sistemas que tengan permiso para probar.

• Checkpoint de peso abierto disponible en Hugging Face
• Activación dispersa reduce el cómputo por token
• Pass@1 del 66,7 % en 60 tareas de vulnerabilidades reservadas
• Costo medio de 2,38 USD por tarea
• Integración recomendada mediante el arnés de agente Codex

Se distribuyen dos checkpoints distintos: el modelo estándar y una derivación experimental “abliterada” que altera el comportamiento de rechazo. Cantina aclara que la evaluación publicada se aplica únicamente al checkpoint estándar; la versión abliterada no ha sido evaluada.

En conjunto, Apex Flash 1 representa un paso notable hacia modelos de código abierto y alta capacidad que pueden ayudar a los investigadores de seguridad a automatizar pasos repetitivos de investigación, aunque aún se requiere supervisión humana para la toma de decisiones estratégicas.

Para organizaciones de habla hispana, el impacto práctico es evidente: los equipos pueden integrar Apex Flash 1 en sus pipelines de seguridad existentes como un trabajador plug‑in, aprovechando su capacidad para analizar código, ejecutar herramientas de análisis y generar fragmentos de exploits a un coste moderado por tarea. Al combinar el modelo con un agente supervisor y aplicar un estricto aislamiento en sandbox, las empresas pueden acelerar la clasificación de vulnerabilidades y la generación de pruebas de concepto, manteniendo el cumplimiento de normas legales y éticas.