Modèle à poids ouverts
Vinci Cyber 123B 1.0
Un modèle de révision défensive d’infrastructure par SimpleDirect®, adapté de Mistral Devstral 2. Il propose des corrections ciblées et est entraîné à préserver les configurations correctes. Téléchargez les poids BF16 ou choisissez un format GGUF.
Fiches des modèles et poids sur Hugging Face
Son objectif
Utilisez Cyber 123B pour réviser l’infrastructure déclarative, examiner les configurations infonuagiques et proposer des modifications défensives ciblées sur les systèmes que vous êtes autorisés à évaluer. Sa sortie est une proposition à réviser par votre équipe, et non une modification appliquée à votre infrastructure.
SimpleDirect® a entraîné un adaptateur LoRA sur une expansion BF16 de Devstral 2, puis l’a fusionné dans les poids téléchargeables. Commencez par des configurations représentatives de votre environnement, comparez les changements proposés à des contrôles de sécurité indépendants et conservez une étape explicite d’approbation humaine.
Comportements mesurés
Savoir quand ne rien modifier.
La retenue dans les modifications distingue surtout Cyber 123B dans cette évaluation. La couverture des corrections mesurée par les analyseurs reste proche de celle du parent, tandis que le score de programmation est inchangé dans un test HumanEval distinct.
24/24
Configurations déjà correctes laissées intactes
Test réservé à l’évaluation : 24 paires d’infrastructures, consigne neutre INVESTIGATE, une exécution à décodage glouton. Parent : 0/24 intactes. Cyber a été évalué comme adaptateur sur son parent BF16.
| Résultat mesuré | Parent Devstral 2 BF16 | Vinci Cyber 123B |
|---|---|---|
| Entrées déjà correctes laissées intactes | 0/24 | 24/24 |
| Corrections satisfaisant le critère d’analyse | 17/24 | 16/24 |
| Correction et préservation de la contrepartie correcte | 0/24 | 16/24 |
| Problèmes de programmation HumanEval réussis | 144/164 | 144/164 |
| Corrections créditées validant le schéma du fournisseur | Non vérifié | 16/16 |
Les lignes d’infrastructure portent sur 24 paires : un espace de travail mal configuré et sa contrepartie déjà correcte, présentés indépendamment. Les deux modèles ont reçu la même consigne neutre INVESTIGATE, avec un décodage glouton et une exécution par condition. HumanEval est un test distinct de 164 problèmes.
Cyber a été testé avec son adaptateur entraîné sur le parent BF16. Ces dossiers n’établissent aucune reprise du test après fusion ni pour GGUF. Le petit ensemble de cas générés par IA a passé des contrôles automatiques d’admission, mais n’a fait l’objet d’aucun audit indépendant ni d’estimation de la variance entre exécutions.
Le critère de correction exige la disparition du constat ciblé sans nouveau constat détecté. L’audit complémentaire tofu validate vérifie la syntaxe et le schéma du fournisseur. Aucun de ces contrôles ne prouve qu’une correction est sûre ou déployable; aucun plan ni aucune application dans le nuage n’a été exécuté. Les corrections du parent n’ont pas été validées contre le schéma.
Le score combiné nul du parent reflète ses modifications d’entrées déjà correctes, et non une incapacité à corriger. Un score HumanEval inchangé n’établit pas une équivalence sur toutes les tâches de programmation.
Explorer les huit familles de tâches de sécurité
Chaque famille comprend trois entrées mal configurées et trois contreparties déjà correctes. Le parent n’a préservé aucune contrepartie correcte dans aucune famille. Ces petits groupes n’établissent pas une fiabilité générale par catégorie.
| Tâche de sécurité | Corrections du parent | Corrections Cyber | Entrées correctes préservées par Cyber |
|---|---|---|---|
| Exposition du réseau public | 3/3 | 3/3 | 3/3 |
| Chiffrement au repos | 0/3 | 0/3 | 3/3 |
| Identité et contrôles d’accès | 3/3 | 3/3 | 3/3 |
| Accès public aux données | 3/3 | 3/3 | 3/3 |
| Gestion des secrets | 3/3 | 2/3 | 3/3 |
| Journalisation et surveillance | 0/3 | 3/3 | 3/3 |
| Sécurité du transport | 2/3 | 2/3 | 3/3 |
| Sauvegarde et reprise | 3/3 | 0/3 | 3/3 |
Les cas de journalisation progressent, mais le chiffrement et la correction des sauvegardes présentent encore des lacunes. Évaluez le modèle sur les types de configurations utilisés par votre équipe.
Choisir un format adapté à votre environnement.
Le téléchargement principal contient des poids fusionnés BF16 Safetensors; aucun adaptateur séparé n’est nécessaire. Les poids seuls occupent environ 233 GiB, avant les besoins supplémentaires du moteur d’exécution et du cache de contexte.
| Format GGUF | Taille du téléchargement | Parties | Preuve d’exécution |
|---|---|---|---|
| Q8_0 | 123,7 GiB | 3 | Aucun test d’exécution rapporté |
| Q5_K_M | 82,3 GiB | 2 | Aucun test d’exécution rapporté |
| Q4_K_M | 69,8 GiB | 2 | Test de fonctionnement sur CPU : 47 jetons gloutons |
Tailles de téléchargement vérifiées dans les fichiers des dépôts publiés le 23 septembre 2026. Il s’agit de tailles de stockage, et non des besoins totaux en RAM ou VRAM. Le chargement, les activations, l’état d’exécution et le cache KV nécessitent de la mémoire supplémentaire. La longueur du contexte et la taille des lots modifient ces besoins.
Le test Q4_K_M établit uniquement le chargement et la génération de texte dans la configuration CPU testée. Aucun test CUDA, aucune évaluation de tâches, aucune mesure de débit ni aucune comparaison de fidélité de quantification n’est disponible pour ces formats. La profondeur en bits n’est pas un classement de qualité mesurée.
Utilisez llama.cpp avec la prise en charge de mistral3 et conservez ensemble toutes les parties du format choisi; chargez la première. Pour des exécutions comparables, choisissez explicitement le décodage glouton et limitez la longueur de sortie. Consultez les fiches pour les commandes et les versions.
Des échecs connus à surveiller.
Une consigne distincte guidée par le constat, D96_COMPATIBLE, a produit 1 disparition invalide d’alerte et 3 régressions de disponibilité. Ces échecs sont distincts des résultats de révision neutre ci-dessus.
Une alerte supprimée peut laisser un secret exposé.
Dans un cas de gestion des secrets, le modèle a encodé en base64 un secret inscrit dans le code au lieu de le retirer. L’analyseur n’a plus signalé le problème, mais le secret est resté présent. Le modèle a aussi réécrit inutilement la contrepartie déjà correcte de ce cas.
Une valeur plausible peut être invalide.
Dans un cas Azure API Management, le modèle a défini le protocole du service principal à « https », alors que le champ accepte « http » ou « soap ». Le constat initial était toujours présent.
Révisez chaque proposition, validez indépendamment la configuration et ses propriétés de sécurité, puis obtenez une approbation humaine avant d’appliquer les changements. Les échecs évalués et les corrections révisées éclairent les prochaines versions; ces poids sont fixes et n’apprennent pas automatiquement pendant l’utilisation.
Portée et limites
Cyber 123B peut manquer des erreurs de configuration, modifier des fichiers corrects ou proposer des corrections invalides. Il ne remplace pas un analyseur et ne connaît pas les contrôles compensatoires de votre environnement. Les résultats délimités ci-dessus n’établissent ni une fiabilité générale en cybersécurité, ni les performances sur de longs contextes, ni une autonomie opérationnelle. Évaluez le format et la configuration d’exécution prévus; les résultats de Cyber 8B ou 30B ne se transfèrent pas à ce modèle.
Consultez la fiche Hugging Face pour les poids, les instructions de chargement et le dossier d’évaluation détaillé. Évaluez le modèle dans votre propre environnement; cette page n’offre pas de service d’inférence hébergé.