К содержимому
Языковые модели

VibeSec Triage INT8

фильтрация ложных срабатываний SAST за 20 мс

2 мин чтенияобновлено

Квантованный классификатор на базе архитектуры UniXcoder, созданный командой CyberEiche для платформы безопасности VibeSec. Модель отсеивает безопасные, экранированные и неэксплуатируемые срабатывания статического анализа кода (SAST — поиск уязвимостей в исходном коде без его запуска), снижая усталость разработчиков от бесконечных уведомлений. Она работает полностью офлайн (air-gapped) в формате ONNX INT8 и обрабатывает одно срабатывание быстрее 20 миллисекунд на обычном CPU без видеокарты. Решение пригодится командам разработки, DevSecOps-инженерам и корпоративным контурам с жесткими требованиями к приватности кода.

Ключевые особенности

  • Полная автономность: работает локально в памяти без сетевых запросов, внешних API и телеметрии, что закрывает требования GDPR и изолированных контуров.
  • Защита от пропуска критических багов: политика безопасности запрещает автоматическое подавление критических уязвимостей (CVSS от 9.0) и паттернов удаленного выполнения кода (RCE).
  • Калиброванные вероятности: модель выдает надежную оценку вероятности эксплуатации (ECE 0.0071) с нулевым дрейфом при изменении размера батча от 1 до 64.
  • Криптографическая проверка: поставляется с цифровыми подписями Ed25519 и хешами SHA-256 для защиты цепочки поставок от подмены весов.

Что можно сделать

  • Очистить отчеты SAST-сканеров: автоматически отфильтровывать безопасные параметризованные SQL-запросы (CWE-89) и экранированный вывод XSS (CWE-79) от реальных угроз.
  • Встроить в закрытый CI/CD-пайплайн: запускать проверку уязвимостей на стандартных CPU-раннерах без отправки исходного кода во внешние облачные LLM.
  • Отсеивать шум по секретам и путям: отделять реальные утечки ключей (CWE-798) и обход директорий (CWE-22) от тестовых мок-токенов и безопасной обработки путей через os.path.basename.

Пример

import numpy as np, onnxruntime as ort
from tokenizers import Tokenizer

tokenizer = Tokenizer.from_file("tokenizer.json")
session = ort.InferenceSession("vibesec_triage_int8.onnx")
enc = tokenizer.encode("RULE: CWE-89 SQLi | CODE: cursor.execute('SELECT * FROM users WHERE id = %s', (user_id,))")
logits = session.run(None, {"input_ids": np.array([enc.ids], dtype=np.int64), "attention_mask": np.array([enc.attention_mask], dtype=np.int64)})[0][0]
print(f"P(Exploitable): {1.0 / (1.0 + np.exp(-logits[1])):.4f}")
ПодробнееМетрики на 50 независимых кластерах сценариев: точность (Validation Accuracy) — 99.17%, Precision — 100.0%, полнота по критическим/высоким уязвимостям (Recall) — 98.97%.
Размер файла: 22.08 МБ (динамическое квантование INT8 в ONNX), задержка инференса — 15–20 мс на CPU.
Протестировано на семействах CWE-89, CWE-78, CWE-79, CWE-22 и CWE-798.
Лицензия: Apache 2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в INT8

Влезает без сжатия.

  • INT8рекомендуемвеса 0.0 GB · готовые файлы0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

Совет: берите 8-bit.INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: INT8 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # sudhanshusiwan/vibesec-triage-unixcoder-int8 — A30, INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve sudhanshusiwan/vibesec-triage-unixcoder-int8 --max-model-len 8192
    Добавить ещё LoRA к vibesec-triage-unixcoder-int8
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии vibesec-triage-unixcoder-int8 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

sudhanshusiwan/vibesec-triage-unixcoder-int8
Автор
sudhanshusiwan
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии