Cantina, 소프트웨어 보안 조사에 특화된 Apex Flash 1 오픈웨이트 모델 출시

Cantina Security와 Yeta의 새로운 보안 모델 발표

Cantina Security와 Yeta는 소프트웨어 보안 조사를 위해 특별히 튜닝된 GLM‑5.3‑Flash 아키텍처 기반의 강화학습 사후 교육 모델, Apex Flash 1을 공식적으로 출시했다고 발표했습니다. 이 모델은 코드 분석, 도구 호출, 익스플로잇 생성 및 실시간 검증과 같은 구체적인 작업을 수행하도록 설계된 “집중 작업자” 역할을 하며, 상위 에이전트가 호출해 활용할 수 있도록 구성되었습니다.

기본 아키텍처는 약 3213억 개의 파라미터를 포함하고 있지만, 희소 활성화 메커니즘을 적용해 토큰당 실제 활성화되는 파라미터 수는 약 180억 개에 불과합니다. 가중치는 공개되어 있어 연구자들이 자유롭게 접근할 수 있지만, 여전히 대규모 메모리와 연산 자원을 필요로 하므로 저사양 하드웨어에서는 사용이 제한됩니다.

평가 방법 및 결과

Cantina는 Apex Flash 1의 성능을 검증하기 위해 20개의 보안 취약 사례에서 파생된 60개의 과제로 구성된 전용 스위트를 활용했습니다. 이 과제들은 가이드된 화이트박스, 집중 화이트박스, 집중 블랙박스의 세 조사 관점으로 나뉘며, 각각 격리된 타깃 환경에서 최종 상태 검증기를 통해 실행되었습니다.

평가 결과, 모델은 60개 과제 중 40개를 성공적으로 해결해 1회 시도 기준 66.7%의 pass@1 비율을 기록했습니다. 또한 과제당 평균 연산 비용은 2.38달러에 머물렀으며, 이는 대규모 파라미터 모델임에도 불구하고 희소 활성화 덕분에 효율성을 확보했음을 의미합니다.

참고로 Cantina 내부 비교 실험에서는 수정되지 않은 기본 GLM‑5.3‑Flash 모델이 60개 중 36개를 해결하고 과제당 4.56달러의 비용을 보였으며, Anthropic의 Claude Opus 5.5는 43개를 해결했지만 과제당 74.68달러라는 높은 비용을 기록했습니다. 이 수치는 Cantina 자체 평가 결과이며, 현재까지 독립적인 외부 검증은 이루어지지 않았습니다.

권장 사용 패턴

개발자는 Apex Flash 1을 Codex 에이전트 하네스를 통해 배포하고, 이를 보다 넓은 감독 에이전트의 지시에 따라 동작하는 특수 작업자로 활용할 것을 권장합니다. 이러한 구조는 무분별한 자동 보안 실행으로 인한 부작용을 최소화하고, 인간 전문가의 검토와 조정을 가능하게 합니다.

현재 공개된 평가에서는 텍스트 기반 보안 작업에만 초점을 맞추었으며, 이미지나 비디오와 같은 멀티모달 데이터 처리 능력은 벤치마크에 포함되지 않았습니다. 따라서 다중모달 시나리오에 대한 성능을 일반화해서는 안 됩니다.

라이선스 및 법적 책임

Apex Flash 1은 MIT 라이선스로 배포되어 사용, 수정, 재배포에 폭넓은 자유를 제공합니다. 다만 Cantina는 사용자가 법적 허가를 확보하고, 모델을 샌드박스 환경에 격리하며, 출력물을 인간이 검토하고, 허가받지 않은 시스템에 대한 공격적 사용을 방지할 책임이 있다고 명시하고 있습니다.

• Hugging Face에서 제공되는 오픈웨이트 체크포인트
• 희소 활성화로 토큰당 연산량 감소
• 60개 보류 버그 과제 중 66.7% pass@1
• 과제당 평균 비용 $2.38
• Codex 에이전트 하네스를 통한 통합 권장

두 개의 체크포인트가 동시에 배포됩니다. 하나는 표준 모델이며, 다른 하나는 거부 행동을 변경한 실험적 “abliterated” 파생 모델입니다. Cantina는 공개된 평가가 표준 체크포인트에만 적용되었으며, abliterated 버전은 아직 공식 벤치마크를 거치지 않았다고 밝혔습니다.

기술적 세부 사항

희소 활성화는 토큰당 활성 파라미터 수를 크게 줄여 연산 효율성을 높이는 동시에, 모델의 표현력을 유지하도록 설계되었습니다. 이 기술은 특히 대규모 언어 모델을 제한된 GPU 메모리 환경에서 실행하려는 연구자들에게 큰 장점을 제공합니다.

Apex Flash 1은 강화학습 기반 사후 교육 과정을 거쳐, 보안 조사에 특화된 행동 정책을 학습했습니다. 이를 통해 모델은 코드 스니펫을 읽고, 정적 분석 도구를 호출하며, 취약점에 대한 익스플로잇 코드를 자동으로 생성하고, 생성된 코드를 즉시 실행해 효과를 검증하는 일련의 흐름을 스스로 관리합니다.

모델의 가중치는 Hugging Face 레포지토리에서 공개되어 있어, 연구 커뮤니티가 자유롭게 다운로드하고 재학습하거나 파인튜닝할 수 있습니다. 다만 메모리 요구량이 크기 때문에, 고성능 GPU 클러스터나 클라우드 기반 인프라가 필수적입니다.

산업 적용 전망

한국의 기업 및 공공기관은 보안 파이프라인에 Apex Flash 1을 플러그인 작업자로 통합함으로써, 코드 파싱, 정적 분석 도구 실행, 익스플로잇 스니펫 생성 등을 낮은 비용으로 자동화할 수 있습니다. 특히 감독 에이전트와 샌드박스를 결합하면, 취약점 분류와 개념 증명 생성 속도를 크게 높이면서 법적·윤리적 기준을 준수할 수 있습니다.

전반적으로 Apex Flash 1은 오픈소스이면서도 높은 용량과 효율성을 겸비한 모델로, 보안 연구자들이 반복적인 조사 단계를 자동화하는 데 크게 기여할 잠재력을 보여줍니다. 다만 전략적 의사결정과 최종 결과 검증 단계에서는 여전히 인간 전문가의 감독이 필수적입니다.

이 모델은 현재 한국 내 보안 스타트업, 대기업 보안 팀, 그리고 대학 연구실에서 시범 적용 중이며, 초기 피드백에 따르면 비용 효율성과 작업 자동화 측면에서 긍정적인 평가를 받고 있습니다. 향후 업데이트와 추가 벤치마크가 공개되면, 보다 폭넓은 산업 적용이 기대됩니다.