dealignai、セキュリティ特化ウェイト改変モデル GLM-5.3-CYBERSECURITY-FP8 を公開──サイバー攻撃・ペネトレーションテスト向けに拒否応答を排除
zai-org/GLM-5.3（753B）をベースにサイバーセキュリティ領域の拒否応答を80%以上排除したFP8版ウェイト改変モデルで、実戦的なペネトレーションテストやマルウェア解析をローカルで効率的に実行可能にする。
リリース: 2026-08-30 · 読了 3 分記事の要約
1. 核心（What）
- dealignai が zai-org/GLM-5.3 をベースにしたセキュリティ特化型ウェイト改変モデル GLM-5.3-CYBERSECURITY-FP8 を公開。
- ファインチューニングや LoRA を使わず、bf16 residual writers のみを直接編集するウェイト改変によりネイティブ FP8 速度を実現。
- サイバーオフェンス・レッドチーム・エクスプロイト開発・マルウェア解析に関するリクエストの拒否率を大幅に引き下げ、80〜84% の直接コンプライアンスを達成。
- 生命に関わる自傷行為などのライフセーフティに関する制限は維持されており、著作権の厳格な再現についてはソフトリューズが残存する。
2. 影響（Why）
- API規約に縛られない高度なレッドチーム演習: 商用 LLM の一般的な安全性フィルターによって拒否される実務上のセキュリティ解析やエクスプロイト開発の自動化を、自社管理下のインフラでローカル実行できる環境が整う。
- 国内セキュリティ事業者の解析コスト削減: 国内のペネトレーションテストやマルウェア解析を受託する事業者は、API 課金を気にせず大容量 753B モデルの推論を自前サーバー上で回すことで検証効率を最大化できる。
3. 根拠・詳細（How）
- ウェイト改変の仕組みとアーキテクチャ: zai-org/GLM-5.3（753Bパラメータ、glm_moe_dsa、78層）のルーティング済み FP8 エキスパートはそのまま維持し、bf16 residual writers のみを改変して Hopper 系 GPU でのネイティブ FP8 演算を最適化。
- vLLM デプロイ時の推奨設定とパラメータ制限: vllm serve 実行時は --tensor-parallel-size 8、--enforce-eager、--max-model-len 131072 を指定し、reasoning_effort は low のみに限定することでバジェット枯渇を防ぐ設計。
4. 展望・課題（Next）
- 著作権対応のシリアルモデルの使い分け: 著作権のあるコードの厳格な再現が必要な場合は、同一ベースのシリアルモデルである dealignai/GLM-5.3-UNCENSORED-FP8 への切り替えが推奨される。