Aikido Altar 発表：自社インフラ内で完結するソブリン・セキュリティインテリジェンスを実現するオープンウェイトモデル

【なぜ重要か】 クローズドなフロンティアモデルを利用すると、ソースコードや内部アーキテクチャ、未修正の脆弱性情報が自社ネットワーク外に送出される。データレジデンシー規制を受ける金融機関・医療機関や、インターネット接続のないOT環境を持つ産業事業者にとって、これは許容できないトレードオフである。Altarは、フロンティア級の推論品質を保ちながら完全に自社インフラ内で動作するオープンウェイトのセキュリティモデルであり、その制約を解消する。

【ポイント】

• モデルの圧縮プロセス：ベースモデルにZhipuAIのGLM-5.3（フル精度1,506.7 GB）を採用し、AWQ INT4量子化（488.2 GB）を経て、独自のエキスパートプルーニングを適用することで328 GBまで削減。フル精度比78.2%、量子化済みモデル比32.8%のサイズ削減を実現した。
• プルーニング手法：Cerebrasが開発したREAP（Router-weighted Expert Activation Pruning）を採用。元モデルの256個のルーティングエキスパートから88個（34.4%）を除去し168個を保持。エキスパートの選択基準には、自社ペネトレーションテストハーネスの実行トレースと多言語テキストを使用し、セキュリティ・コーディング・言語理解の能力を保持するよう設計した。
• 脆弱性検出性能の維持：内部CVEベンチマーク（30リポジトリの既知脆弱性32件）における評価で、Altarの平均再現率は60.4%。量子化済みGLM-5.3（61.5%）との差は約1ポイントに留まり、フル精度モデル（65.6%、25件カバー）が発見した脆弱性の92%（23件）をカバーしつつ、ストレージを33%削減するというトレードオフを達成した。
• 実環境への即時適用と実績：評価完了直後にAikido Machineフリートへデプロイし、実際のクライアント向け本番ペネトレーションテストにおいてクリティカル・レベルの有効な脆弱性を1件検出した。
• 今後の展開：EXL3などのより低ビットフォーマットへの対応、H200向けサービング最適化、セキュリティワークフロー向けファインチューニング、自己学習パイプラインの構築を計画。Aikido Attack（AIペンテスト）、Code Security Audit、Deep PR Reviewへの展開も予定している。

【まとめ】 Altarは、フロンティア級のAIセキュリティ能力を外部に情報を送出することなく自社インフラ内で完結させる、初のオープンウェイト・セキュリティモデルである。データレジデンシー規制への対応や内部完結型セキュリティ体制の強化を検討しているチームは、Hugging FaceからAltarのウェイトをダウンロードするか、オンプレミス導入についてAikidoのセールスチームに問い合わせることを推奨する。