Açık ağırlıklı güvenlik AI kataloğu, 2,6B ile 180B parametre arasındaki sansürsüz modelleri karşılaştırıyor

Siber güvenlik çalışmaları için ince ayarlanmış — ya da bilinçli olarak kısıtlamaları kaldırılmış — açık ağırlıklı dil modellerini derleyen bir GitHub deposu Hacker News'in ana sayfasına yerleşti ve red team ekipleriyle araştırmacılara kalabalık bir niş hakkında güncel, tek bir karşılaştırma sundu. JoasASantos adlı geliştirici tarafından Eylül 2026 tarihli olarak yürütülen liste, bir düzineden fazla modeli temel mimarileri, parametre sayıları, bağlam pencereleri, kuantalanmış bellek gereksinimleri, eğitim verileri ve lisansları açısından tablo halinde sunuyor.

Katalog nasıl hazırlanıyor

Depoya göre tüm veriler HuggingFace model kartlarından ve yayıncıların kendi dokümantasyonundan geliyor; yani sayılar bağımsız olarak doğrulanmış değil, kendi beyanlarına dayanıyor. Belirtilen kapsamı yetkili kullanım: sızma testi, red team egzersizleri ve güvenlik araştırması. Yelpaze geniş. Küçük uçta, LiquidAI'nın LFM2-2.6B'si üzerine kurulu, yaklaşık 2,6 milyar parametreli Cyber-Prime 1.1 var; model yaklaşık 6 GB bellekte çalışıyor ve CyberBench paketinde ortalama 0,592 raporluyor, oltalama (phishing) tespitinde ise 0,890. Öteki uçta, Blackfrost-AI'nın CYBER-FROST-3.8'i 512 yönlendirilmiş uzmana yayılmış toplam yaklaşık 180 milyar parametreyle listeleniyor; 262K token'lık bağlam penceresine sahip ve donanım iştahı da buna uygun — girdide dört NVIDIA B300 hızlandırıcıda test edildiği belirtiliyor.

Güvenlik modeline giden üç yol

Katalog üç baskın uyarlama stratejisi gösteriyor. İlki, güvenlik derlemleri üzerinde denetimli ince ayar (supervised fine-tuning): WhiteRabbitNeo'nun DeepHat V2'si, Qwen2.5-Coder-7B üzerine 1,7 milyon saldırgan ve savunma örneğiyle eğitildiği şeklinde tanımlanıyor; BugTraceAI-CORE-Apex, 2024 ve 2025'e ait HackerOne açıklama raporlarına dayanıyor; OpenAI'nın açık ağırlıklı gpt-oss-20b'si üzerine kurulu CyberPal 2.0 ise uzman-döngüde (expert-in-the-loop) bir pipeline ile derlenen 403.000 örnek kullanıyor.

İkincisi hafif uyarlamalar. Dolphin3-Cyber-8B, zaten abliterate edilmiş bir Dolphin3 temeline rank-16 LoRA uyguluyor; pentest-v2 ise GTFOBins, HackTricks ve HackTheBox yazılarından derlenen yaklaşık 2.800 örnekle rank-4 LoRA ekliyor — ve temel modelin zero-shot olarak yüzde 25 kaldığı GTFOBins sorularında kusursuz doğruluk iddia ediyor.

Üçüncüsü ise reddetme davranışının kendisini kaldırmak. Cyber-Ornith-1.5-9B, agentic güvenlik çalışmaları — fonksiyon çağrısı, araç kullanımı ve komut satırı otomasyonu gibi — için hedeflenmiş, Ornith 9B sürümünün "obliterate edilmiş" bir varyantı ve IQ1_S'den Q6_K'ya kadar GGUF dosyaları olarak sunuluyor.

Uzmanlaşmalar saldırgan ve savunmacı hatlar boyunca bölünüyor

Bazı girdiler saldırgan tarafa odaklanıyor. BugTraceAI-CORE-Ultra, görece küçük bir 2.541 örneklik kümeyle eğitilmiş, Nuclei şablonları, CVE kavram kanıtı (proof-of-concept) kodu ve sızma testi betikleri üreten bir araç modeli olarak konumlanıyor. 36 milyar parametreli bir mixture-of-experts yapısı olan RavenX-CyberAgent, saldırı yüzeyi, sömürü, etki, düzeltme ve raporlamayı kapsayan altı aşamalı bir protokol izliyor ve çıktısında CVSS skorları, CWE tanımlayıcıları ve MITRE ATT&CK eşlemeleri sunuyor.

Diğerleri savunma tarafına yaslanıyor. CyberPal 2.0 tehdit istihbaratı, zafiyet analizi, tespit, olay müdahalesi ve uyumluluğu kapsarken Imperum-CybersecurityLLM, SOC ve SIEM operasyonları, adli bilişim, kötü amaçlı yazılım analizi, bulut, Kubernetes ve kimlik güvenliği, OT güvenliği ve yönetişimi span ediyor. Qwythos-9B, YaRN rope scaling ile bir milyon token'lık bağlam penceresi ve devralınmış bir görme yeteneğiyle öne çıkıyor.

Lisanslar ve çalıştırma maliyetleri

Girdilerin çoğu Apache 2.0 altında sunuluyor ama hepsi değil: CYBER-FROST-3.8 Qwen Community License 1.0, Dolphin3-Cyber-8B Llama 3.1 lisansı, Cyber-Prime ise LFM Open License v1.0 taşıyor — açık ağırlığın her zaman izin verici bir lisans anlamına gelmediğinin bir hatırlatıcısı. Donanım talepleri de ona göre ölçekleniyor. Listelemelere göre 7B-9B modeller Q4_K_M kuantasında kabaca 6–7 GB VRAM istiyor, orta boy 26B–36B yapılar 16 GB ile yaklaşık 24 GB arasına düşüyor ve en büyük girdi çoklu GPU'lu sunucular gerektiriyor.

Neden önemli

Sınırların en ilerisindeki sohbet modelleri saldırgan güvenlik sorgularını rutin olarak reddediyor ve yetkili testler yürüten profesyoneller giderek açık ağırlıklı alternatiflere yöneliyor. Bu katalog neyin var olduğunu, hangi boyutta, hangi veriyle eğitildiğini ve hangi lisans altında sunduğunu belgeliyor — bir modelin belirli bir laboratuvara uyup uymayacağına karar veren pratik sorular bunlar. Metodolojisinden iki uyarı doğuyor: özellikler yayıncılar tarafından beyan ediliyor, dolayısıyla pentest-v2'nin yüzde 100 GTFOBins skoru gibi benchmark iddiaları kesinleşmiş sonuçlar değil, doğrulanacak ipuçları; ayrıca sansürsüz modeller yetkili ortamların dışına çıkarsa gerçek bir kötüye kullanım riski taşıyor. Güvenlik ince ayarlarının her yeni açık temel sürümü — Qwen, Gemma, Llama, Mistral ve gpt-oss'un hepsi burada görünüyor — ne kadar hızlı takip ettiğinin bir anlık fotoğrafı olarak, alan için faydalı bir öncü gösterge.