A Aikido Security, empresa de cibersegurança sediada em Gante, na Bélgica, lançou a 21 de setembro de 2026 o Altar-1, descrito pela própria empresa como o primeiro modelo de IA de pesos abertos feito de raiz para tarefas defensivas de segurança. O modelo nasce de uma versão comprimida do GLM-5.3 da Z.AI e chega numa altura em que bancos, hospitais e operadoras europeias procuram alternativas que não obriguem a enviar código-fonte sensível para a nuvem de terceiros. “Introducing Altar-1, our first open-weight security model. Frontier-grade defensive AI, built to deploy. Own your own security”, escreveu a Aikido Security no anúncio público do lançamento.
O anúncio surge dias depois de a Aikido revelar que o Altar-1 já corre em produção num cliente bancário belga. Ao mesmo tempo, outra equipa, a BottleCap AI, publicou o ThinkingCap-Qwen3.8-27B, um afinamento do Qwen 3.8 que promete cortar 37,2% dos tokens de raciocínio com uma perda de precisão inferior a um ponto percentual. As duas notícias, surgidas com poucos dias de diferença, mostram a mesma tendência de fundo: a corrida para tornar os modelos de IA mais pequenos, mais baratos de correr e mais fáceis de manter dentro de casa.
Da GLM-5.3 ao Altar-1: como nasceu o modelo
O Altar-1 não foi treinado do zero. A Aikido partiu do GLM-5.3, o modelo de mistura de especialistas (MoE) da chinesa Z.AI, e aplicou-lhe um processo de poda (pruning) e quantização agressiva. A ficha técnica publicada no repositório da Aikido no Hugging Face descreve o resultado da seguinte forma: “GLM-5.3 with 34% of its experts removed, at INT4 — 328 GB, built to serve on 4× H200 (Hopper) in vLLM”. Na prática, dos 256 especialistas internos do GLM-5.3 original, o Altar-1 mantém 168, cerca de 66% do total.
Essa escolha não é aleatória. Segundo a Aikido, cada especialista da arquitetura MoE tende a especializar-se em tipos de tarefas diferentes durante o treino. Ao identificar quais os especialistas mais ativados em tarefas de segurança, como análise de código, deteção de vulnerabilidades e raciocínio sobre configurações de infraestrutura, a equipa conseguiu remover os restantes sem destruir a competência do modelo nessas áreas. O resultado, segundo a própria empresa, é um modelo especializado, não um modelo generalista reduzido de qualquer forma.
Os números da compressão: de 1,51 TB para 328 GB
O ganho de eficiência é o argumento central da Aikido. O GLM-5.3 original, com todos os seus especialistas e em precisão padrão, ocupa aproximadamente 1,51 TB em disco. O Altar-1, depois da poda e da quantização W4A16 (pesos em 4 bits, ativações em 16 bits), fica com cerca de 328 GB, uma redução de quase 78%. Essa diferença é o que torna possível correr o modelo num único nó, em vez de precisar de um cluster inteiro dedicado apenas à inferência.
| Métrica técnica | GLM-5.3 (original) | Altar-1 (comprimido) |
|---|---|---|
| Especialistas ativos (MoE) | 256 | 168 (redução de ~34%) |
| Tamanho em disco | ~1,51 TB | 328 GB |
| Quantização | Precisão padrão | W4A16 (INT4) |
| Hardware sugerido | Cluster multi-nó | 1 nó com 4x GPU H200 |
| Janela de contexto (exemplo de implementação) | Não especificada nas fontes | 131.072 tokens |
| Retenção de deteção de vulnerabilidades | 100% (referência) | ~92% (dado divulgado pela própria empresa, sem auditoria independente) |
Vale notar que a Aikido não divulgou até agora o número exato de parâmetros do Altar-1. Os 328 GB referem-se ao espaço ocupado em disco depois da quantização, não a uma contagem de parâmetros, e qualquer conversão direta entre os dois valores seria especulativa. É um detalhe que distingue este lançamento de outros anúncios de modelos abertos em 2026, que costumam abrir logo com a contagem de parâmetros no título.
Hardware e requisitos: um nó com quatro GPU H200
Apesar do corte de tamanho, o Altar-1 está longe de ser um modelo para correr num portátil. A configuração de referência publicada pela Aikido usa vLLM sobre um único nó equipado com quatro GPU Nvidia H200, da geração Hopper. É um investimento significativo, tipicamente reservado a empresas de média e grande dimensão ou a fornecedores de serviços geridos, mas ainda assim uma fração do que seria necessário para correr o GLM-5.3 original em toda a sua extensão.
Esta escolha de hardware ajuda a explicar o público-alvo do Altar-1. Não se trata de um modelo pensado para experimentação individual, mas de uma ferramenta corporativa, próxima do conceito de eletrodoméstico de segurança que a Aikido já vende sob o nome Aikido Machine. Bancos, seguradoras e operadoras de infraestrutura crítica, setores sujeitos a regras europeias como a diretiva NIS2 e o regulamento DORA, são o alvo natural de um produto que promete manter código e resultados de segurança dentro do perímetro do cliente.
Licença aberta com uma condição para gigantes
A licença do Altar-1 permite uso comercial, modificação e redistribuição, o que o coloca claramente no campo dos modelos abertos e não numa versão gratuita limitada. Há, no entanto, uma cláusula que chama a atenção: operadores de modelo-como-serviço (MaaS) com mais de 10 mil milhões de dólares de receita nos 12 meses anteriores precisam de passar por uma revisão de segurança da Z.AI antes de oferecer o Altar-1 como serviço próprio. Na prática, a cláusula visa impedir que gigantes tecnológicos reempacotem o trabalho de compressão da Aikido sem qualquer verificação prévia.
Este tipo de licenciamento híbrido, aberto para a generalidade dos utilizadores mas com condições para atores de grande escala, tem vindo a tornar-se mais comum entre modelos derivados de bases chinesas como o GLM ou o DeepSeek. Reflete uma tentativa de equilibrar a distribuição ampla de pesos com algum controlo sobre quem lucra diretamente com esse trabalho de otimização.
Para que serve: pentesting autónomo e ambientes isolados
O Altar-1 já está integrado no Aikido Machine, a solução de testes de intrusão autónomos da própria Aikido. Segundo a empresa, o modelo foi treinado para raciocinar sobre código-fonte, resultados de scanners de segurança, documentação interna e contexto de infraestrutura, sem que nada disso precise de sair da rede do cliente. O blogue da empresa resume a proposta assim: “Aikido Altar is a compressed, open-weight AI model built for sovereign security intelligence, powering Aikido Machine’s on-prem, air-gapped pentesting”, conforme publicado no blogue oficial da Aikido.
Entre os casos de uso indicados pela empresa estão a deteção de vulnerabilidades em código próprio, testes de intrusão autónomos em ambientes isolados fisicamente da internet (air-gapped), análise de segurança de fluxos de integração contínua e apoio a equipas de segurança que preferem manter todo o raciocínio de IA dentro dos seus próprios servidores. Esta abordagem contrasta com a maioria dos concorrentes do setor, que dependem de chamadas a APIs externas para os seus módulos de IA.
O caso Belfius: um banco belga como primeiro cliente
A Aikido já tem pelo menos um cliente concreto para o Altar-1: o Belfius, um dos maiores bancos da Bélgica. A agência Reuters, ao noticiar o lançamento, resumiu assim o plano de implementação: “The model will be deployed in Aikido solutions deployed to customers such as Belgian bank Belfius”, segundo a cobertura da Reuters sobre o lançamento. Para uma instituição financeira sujeita a regras rigorosas de proteção de dados e continuidade de negócio, a possibilidade de correr um modelo de segurança inteiramente dentro da própria infraestrutura, sem depender da disponibilidade ou das políticas de um fornecedor externo de nuvem, tem um peso regulatório e não apenas técnico.
Madeline Lawrence, executiva da Aikido Security, confirmou o lançamento nas redes sociais e reforçou a ambição do projeto: “I’m excited to announce Altar-1, our first open-weight security model”, escreveu na sua conta pessoal, disponível neste registo público. Segundo a empresa, o modelo já encontrou vulnerabilidades críticas em produção no primeiro dia de utilização, uma afirmação que, note-se, parte da própria Aikido e que ainda não foi confirmada por uma auditoria externa independente.
Thomas Wolf e a reação da comunidade open source
Fora da Aikido, a reação mais visível veio de Thomas Wolf, cofundador da Hugging Face, plataforma onde o modelo foi disponibilizado. Wolf caracterizou o Altar-1 como um modelo de segurança de pesos abertos com capacidades defensivas próximas da fronteira tecnológica, sublinhando que a poda e a quantização o tornam suficientemente leve para correr num único nó com quatro GPU H200. É um comentário de um nome respeitado na comunidade de código aberto, mas continua a ser uma reação qualitativa, não uma certificação formal de desempenho.
Até ao momento, não existe uma tabela de benchmarks públicos e independentes que compare o Altar-1 com modelos fechados de segurança como os oferecidos pela CrowdStrike, pela Microsoft ou pela Google. O número de 92% de retenção de deteção de vulnerabilidades, citado pela própria Aikido, não vem acompanhado de metodologia detalhada, número de casos testados ou intervalos de confiança. Para uma ferramenta pensada para detetar falhas críticas em produção, essa lacuna é o ponto mais frágil do anúncio.
Altar-1 contra as alternativas fechadas
A principal vantagem que a Aikido reivindica para o Altar-1 não é uma pontuação de benchmark superior, mas o controlo total sobre a implementação. Isso muda a forma como o produto deve ser comparado com ferramentas de IA de segurança oferecidas por fornecedores de cibersegurança estabelecidos, que continuam a operar sobretudo em modelo de nuvem gerida.
| Critério | Altar-1 (Aikido) | Ferramentas de IA de segurança em nuvem gerida |
|---|---|---|
| Disponibilidade dos pesos | Abertos, publicados no Hugging Face | Fechados, propriedade do fornecedor |
| Local de implementação | Infraestrutura do próprio cliente, incluindo ar-gapped | Normalmente na nuvem do fornecedor |
| Saída de código para redes externas | Não é necessária | Habitual, para chamadas de API |
| Personalização | Pesos modificáveis sob licença comercial | Limitada às opções da API |
| Hardware necessário | A cargo do cliente (4x GPU H200 num nó) | Gerido pelo fornecedor |
| Avaliação independente publicada | Ainda não disponível | Varia consoante o fornecedor |
Esta tabela não deve ser lida como uma vitória automática do Altar-1. Fornecedores estabelecidos de cibersegurança têm anos de dados de deteção reais, equipas de investigação de ameaças dedicadas e integrações profundas com os seus próprios agentes de deteção e resposta. O que o Altar-1 traz de novo é a opção, hoje praticamente inexistente entre os grandes fornecedores, de ter esse mesmo tipo de raciocínio de IA a correr inteiramente dentro de casa.
Contexto: a corrida pelos modelos abertos em 2026
O Altar-1 não surge isolado. Ao longo de 2026, vários laboratórios apostaram em versões abertas dos seus modelos como forma de ganhar tração fora do circuito fechado das grandes plataformas de nuvem. A diferença do Altar-1 é a especialização: em vez de mais um modelo generalista de código aberto, é o primeiro caso amplamente divulgado de um modelo aberto construído especificamente à volta de tarefas defensivas de cibersegurança, derivado de um modelo de base já existente em vez de treinado do zero.
Essa abordagem, pegar num modelo de fundação já publicado e especializá-lo através de poda e quantização em vez de re-treino completo, tem a vantagem de ser mais barata e mais rápida de executar. Para uma empresa de cibersegurança de dimensão média como a Aikido, treinar um modelo de fronteira do zero seria financeiramente inviável. Comprimir e especializar um modelo já existente é uma via de entrada muito mais realista neste mercado.
ThinkingCap-Qwen3.8-27B: a mesma lógica aplicada ao raciocínio
Quase em simultâneo com o Altar-1, a BottleCap AI publicou o ThinkingCap-Qwen3.8-27B, um afinamento do Qwen 3.8 de 27 mil milhões de parâmetros disponível também em formato GGUF no Hugging Face. O objetivo aqui não é segurança, mas eficiência de raciocínio: segundo os dados divulgados pela BottleCap, o modelo usa 37,2% menos tokens de raciocínio do que o modelo de comparação, com uma quebra de precisão de apenas 0,86 pontos percentuais.
O modelo está disponível sob a licença PolyForm Small Business 1.0.0, complementada por uma cláusula de uso pessoal concedida pela própria BottleCap. É uma licença mais restritiva do que a Apache 2.0 do Qwen original, algo que qualquer empresa interessada em uso comercial deve verificar com atenção antes de assumir direitos de utilização irrestritos. Ainda assim, o lançamento reforça a mesma tendência vista no Altar-1: comprimir e afinar modelos existentes para resolver um problema específico é, em 2026, tão relevante para as notícias de IA quanto o lançamento de modelos totalmente novos.
Impacto no mercado da cibersegurança
Para o mercado de cibersegurança, o Altar-1 representa uma pressão adicional sobre os fornecedores que vendem IA de segurança apenas como serviço de nuvem fechado. Setores fortemente regulados, banca, saúde, energia e telecomunicações, têm mostrado uma procura crescente por ferramentas que evitem o envio de código e dados sensíveis para fora das suas redes. A obrigação europeia de reforço de resiliência digital ao abrigo do NIS2 e, no setor financeiro, do DORA, torna esse argumento ainda mais relevante para clientes na União Europeia.
Ao mesmo tempo, o custo de entrada não é trivial. Um nó com quatro GPU H200 representa um investimento de capital que só faz sentido para empresas com escala suficiente ou para fornecedores de serviços geridos que possam amortizar o hardware por vários clientes. É provável que, nos próximos meses, surjam ofertas de terceiros para hospedar o Altar-1 em regime de infraestrutura dedicada, replicando o modelo que já existe para outros modelos abertos de grande dimensão.
As dúvidas por resolver: benchmarks não independentes
A maior fragilidade do anúncio da Aikido continua a ser a ausência de avaliação externa. O número de 92% de retenção de deteção de vulnerabilidades vem exclusivamente da própria empresa, sem benchmark nomeado, sem conjunto de dados de teste divulgado e sem replicação por um terceiro independente. O mesmo se aplica à afirmação de que o modelo encontrou vulnerabilidades críticas em produção logo no primeiro dia: é um dado interessante, mas que carece de confirmação fora da Aikido.
Para um leitor técnico, isto não invalida o lançamento, mas justifica cautela antes de qualquer decisão de adoção. Equipas de segurança que considerem testar o Altar-1 deveriam correr os seus próprios conjuntos de avaliação, comparando resultados com as ferramentas já em uso, antes de qualquer substituição de processos críticos de deteção de vulnerabilidades.
O que esperar a seguir: previsões para 2027
- Mais empresas de cibersegurança de dimensão média vão seguir o mesmo caminho da Aikido, comprimindo modelos de fundação já existentes em vez de treinar os seus próprios modelos do zero, por ser mais barato e mais rápido de colocar no mercado.
- Cláusulas de licenciamento híbrido, como a exigência de revisão de segurança da Z.AI para operadores acima de 10 mil milhões de dólares de receita, devem tornar-se mais comuns em modelos derivados de bases chinesas, como forma de equilibrar abertura com controlo comercial.
- Bancos e seguradoras europeias, pressionados pelo NIS2 e pelo DORA, deverão acelerar pilotos de ferramentas de segurança com IA que corram inteiramente dentro da própria infraestrutura, seguindo o exemplo do Belfius.
- É expectável que investigadores académicos ou equipas de red team independentes publiquem, nos próximos meses, os primeiros testes de terceiros ao Altar-1, colocando à prova o número de 92% divulgado pela Aikido.
- As técnicas de poda de especialistas e quantização agressiva usadas no Altar-1 deverão continuar a evoluir, com a expectativa de que modelos de segurança equivalentes possam vir a correr em configurações de hardware ainda mais reduzidas do que os atuais quatro GPU H200.
Nenhuma destas previsões é garantida, mas todas partem de sinais já visíveis nos últimos anúncios do setor, desde a pressão regulatória europeia até à velocidade com que outros laboratórios têm replicado técnicas de compressão de modelos assim que estas se mostram eficazes.
Perguntas Frequentes sobre o Altar-1 da Aikido Security
O que é exatamente o Altar-1?
É um modelo de IA de pesos abertos criado pela Aikido Security a partir de uma versão comprimida e quantizada do GLM-5.3 da Z.AI, direcionado para tarefas defensivas de cibersegurança como deteção de vulnerabilidades e testes de intrusão autónomos.
Quando foi lançado o Altar-1?
A Aikido Security anunciou o Altar-1 a 21 de setembro de 2026, disponibilizando os pesos do modelo no Hugging Face.
É preciso saber o número exato de parâmetros para avaliar o modelo?
A Aikido não divulgou até agora o número exato de parâmetros do Altar-1. O valor de 328 GB refere-se ao espaço ocupado em disco depois da quantização, não a uma contagem de parâmetros.
Que hardware é necessário para correr o Altar-1?
A configuração de referência publicada pela Aikido usa vLLM sobre um único nó equipado com quatro GPU Nvidia H200, o que exclui, para já, implementações num único portátil ou servidor doméstico comum.
O Altar-1 é gratuito?
A licença permite uso comercial, modificação e redistribuição sem custo de licenciamento direto, mas exige que operadores de modelo-como-serviço com mais de 10 mil milhões de dólares de receita anual passem por uma revisão de segurança da Z.AI antes de oferecer o modelo como serviço próprio.
O número de 92% de eficácia é confirmado de forma independente?
Não. O valor de retenção de 92% da deteção de vulnerabilidades foi divulgado apenas pela própria Aikido, sem benchmark nomeado nem auditoria externa publicada até à data.
Que empresas já usam o Altar-1?
Segundo a Reuters, o banco belga Belfius está entre os primeiros clientes a implementar soluções da Aikido com o Altar-1 integrado.
O Altar-1 substitui ferramentas como o Trivy, o Garak ou o PyRIT?
Não. O Altar-1 é um modelo de raciocínio para tarefas de segurança, enquanto ferramentas como o Trivy, o Garak ou o PyRIT são scanners e testadores especializados de vulnerabilidades e de segurança de modelos de IA. Podem, na prática, ser usados de forma complementar dentro do mesmo fluxo de trabalho de segurança.
