Altar, la IA de código abierto que detecta vulnerabilidades sin enviar el código a internet
Aikido ha presentado Altar, un modelo de inteligencia artificial de código abierto diseñado para encontrar fallos de seguridad en aplicaciones y sistemas sin necesidad de enviar el código a servidores externos. La herramienta puede ejecutarse dentro de la infraestructura de una empresa, una característica especialmente relevante para sectores que manejan información sensible.
El modelo nace en un momento de creciente preocupación por los ataques informáticos asistidos por IA. Las capacidades de los sistemas autónomos para analizar código, identificar configuraciones débiles y proponer formas de explotación han elevado la presión sobre las organizaciones, que buscan nuevas defensas sin comprometer sus propios datos.
Un modelo de seguridad que funciona de forma local
Altar está pensado para funcionar en los servidores de la compañía que lo utiliza. Esto significa que el código fuente, la documentación interna y los resultados de las auditorías no tienen que salir de la red corporativa ni enviarse a una plataforma en la nube.
La diferencia es importante para entidades como bancos, hospitales, administraciones públicas o plantas industriales. En estos entornos, compartir información con un proveedor externo puede estar limitado por normativas de privacidad, acuerdos de confidencialidad o políticas internas de seguridad.
Hasta ahora, Aikido ofrecía una herramienta denominada Aikido Machine, capaz de analizar software en busca de agujeros de seguridad. Sin embargo, su funcionamiento dependía de modelos comerciales alojados en la nube. Altar pretende eliminar esa dependencia mediante un sistema cuyos parámetros, conocidos como pesos, están disponibles para su ejecución y adaptación local.
Una versión reducida de GLM-5.3
La compañía ha construido Altar a partir de GLM-5.3, un modelo de inteligencia artificial de código abierto desarrollado en China y orientado, entre otras tareas, al razonamiento y al análisis de ciberseguridad. Su rendimiento se sitúa entre los más destacados dentro de los modelos abiertos para este tipo de trabajos.
El principal inconveniente de GLM-5.3 es su tamaño. La versión completa ocupa alrededor de 1,5 terabytes, una cifra que dificulta su instalación y exige una infraestructura muy costosa. Para convertirlo en una herramienta práctica, los desarrolladores aplicaron técnicas de compresión que redujeron su tamaño primero a 488 gigabytes y después a 388 gigabytes.
Estas técnicas permiten conservar buena parte de la capacidad del modelo utilizando menos espacio y recursos de cálculo. En este caso, Altar puede ejecutarse con cuatro GPU NVIDIA H200, tarjetas especializadas en inteligencia artificial que aceleran operaciones matemáticas necesarias para procesar grandes modelos.
El 92% de la capacidad para detectar fallos
Las primeras pruebas se realizaron sobre 32 vulnerabilidades conocidas distribuidas en 30 proyectos de software. Altar identificó 23 de ellas, el mismo número que la versión completa de GLM-5.3 en esa evaluación.
Según los resultados comunicados por Aikido, el modelo reducido conserva el 92% de la capacidad de su base original para detectar fallos de seguridad. La compañía sostiene que esta eficiencia demuestra que un sistema especializado no necesita todos los recursos de un modelo generalista para realizar auditorías de código.
La herramienta también se probó en escenarios reales de análisis. Durante una auditoría, Altar localizó una vulnerabilidad considerada crítica. Aunque el resultado todavía queda por debajo de modelos comerciales de mayor tamaño y sistemas especializados como Claude Mythos o GPT Cyber, la propuesta ofrece una ventaja decisiva: puede funcionar de manera local y con pesos abiertos.
La privacidad gana peso en la ciberseguridad con IA
La necesidad de contar con modelos locales se hizo más evidente tras un reciente ataque contra una plataforma de desarrollo de inteligencia artificial. Durante la investigación, los equipos de seguridad comprobaron que algunos modelos comerciales no podían avanzar en determinadas tareas debido a sus mecanismos de protección.
En ese contexto, los responsables recurrieron a modelos de código abierto para continuar el análisis y examinar el incidente. La situación puso de relieve una paradoja: las herramientas más avanzadas pueden ser muy eficaces, pero también imponer restricciones que dificultan su utilización durante una emergencia.
Los modelos abiertos permiten, además, inspeccionar su funcionamiento, adaptarlos a necesidades concretas y ejecutarlos sin depender de una API externa. Una API es una interfaz que permite a un programa comunicarse con otro servicio, normalmente a través de internet. En una auditoría de código, prescindir de esa conexión puede reducir la exposición de información confidencial.
El próximo objetivo: más razonamiento y automatización
Aikido asegura que el objetivo de Altar no es replicar por completo un modelo de propósito general, sino conservar las capacidades más útiles para la seguridad informática en un sistema compacto y desplegable dentro de las empresas.
Los próximos trabajos se centrarán en adaptar el modelo a flujos de trabajo de ciberseguridad, mejorar su capacidad para utilizar herramientas externas y reforzar el razonamiento a largo plazo. Esto permitiría encadenar varias tareas, como revisar un proyecto, confirmar una vulnerabilidad, estimar su gravedad y proponer una corrección.
Altar refleja así una tendencia cada vez más visible: las organizaciones no solo buscan la IA más potente, sino también modelos que puedan controlar directamente. En sectores donde el código y los datos internos no pueden abandonar la empresa, la ejecución local puede convertirse en una condición imprescindible para incorporar inteligencia artificial a la defensa digital.
