321B 开源安全模型解出 40/60：真正看点是每次 6 美分
apex-flash-1 的进步不在追平闭源，而在把安全研究的推理成本从数十美元压到两美元量级。 这让「本地、可控、可反复试」的漏洞研究第一次变得经济。
一、它是什么
- Cantina Security 联合 Yeta Labs 开源 apex-flash-1，基于智谱
GLM-5.3-Flash做 GRPO 强化学习微调。 - 规模：321.3B 总参数、18B 激活参数（MoE），MIT 许可，权重发布于 Hugging Face。
- 训练数据：50 个真实漏洞案例扩展出 150 个任务，每个案例有引导式白盒、聚焦白盒、聚焦黑盒三种变体。
- 部署：可跑在 vLLM / SGLang / Transformers，但 BF16 需要约 640GB 显存（多卡节点），社区已有 4bit 量化版本。
二、关键数字与真实含义
- 在 20 个留出案例的 60 个任务上：apex-flash-1 解出 40/60（66.7% pass@1），成本约 $2.38。
- 基座 GLM-5.3-Flash：36/60（60.0%），约 $4.56。
- Claude Opus 5 High：43/60（71.7%），约 $74.68。
- 换算下来约 $0.06/解出任务，对比 Opus 的约 $1.74：用 3 个任务的差距，换 30 倍成本差。
- 定位很明确，它不是编排者，而是被更大模型调度的「工人模型」，技能覆盖读代码、用工具、开发并验证利用链。
三、对读者的实际影响与建议
- 安全团队：可以把它当作不联网、不外发的本地研究助手，在授权范围内做漏洞复现与验证，这解决了「不能把代码发给第三方 API」的硬约束。
- 成本敏感型团队：接入前先算「每解出一个问题的成本」，而不是单看通过率。
- 合规注意：模型卡另有一个修改了拒绝行为的实验版本，且未单独评测。这类变体意味着滥用门槛降低，部署时必须自行加控制。
- 采购视角：开权重加 MIT 许可是「主权可控」的关键，适合需要长期本地迭代的团队，但 640GB 显存的门槛仍是现实约束。
四、边界
- 以上成绩来自厂商内部基准，非第三方复现，横向比较需谨慎。
- 66.7% 对 71.7% 说明开源方案尚未追平顶级闭源模型，差距虽小但客观存在。
参考来源
- MarkTechPost：《Can an Open Model Do Security Research? Cantina's apex-flash-1 Solves 40 of 60 Held-Out Bug Tasks》 https://www.marktechpost.com/2026/10/04/can-an-open-model-do-security-research-cantinas-apex-flash-1-solves-40-of-60-held-out-bug-tasks/