Eigenständiges Modell
Quantum Sentinel 1Alpha · In Entwicklung
Quantum Sentinel-Alpha
Spezialisierte KI für sichere Software.
Ein spezialisiertes KI-Modell, das darauf trainiert wird, Schwachstellen im Quellcode zu finden, zu verstehen und zu beheben.
// Geplantes Berichtsformat
finding {
- location
- <file>:<line range>
- cwe
- CWE-<id>// wenn ausreichend belegt
- evidence
- Datenfluss · Vertrauensgrenze
- remediation
- konkrete Gegenmaßnahme
- patch
- minimal, sicherheitsorientiert// optional
- verification
- Tests · erneute Analyse
}
Belegter BefundVerworfenKeine Bewertung
- Status
- Alpha · In Entwicklung
- Zieltermin Alpha
- Oktober 2026
- Ausgangsmodell (Hauptkandidat)
- Qwen3.5-9BEndgültige Auswahl nach dem internen Sicherheitsvergleich von 4B und 9B.
- Hauptsprachen
- Python · JavaScript / TypeScript · Go
- Fokus auf Cybersicherheit
- Für lokalen Betrieb
- Offene Gewichte geplant
Quantum Sentinel 1 / Alpha
Quellcode-Sicherheit. Mit Belegen.
Quantum Sentinel-Alpha ist der erste größere Meilenstein beim Sicherheits-Fine-Tuning der Modelllinie Quantum Sentinel 1. Das Modell ist als spezialisierter zweiter Sicherheitsprüfer konzipiert – für Entwickler, Open-Source-Maintainer, kleine Engineering-Teams, Sicherheitsforschende und alle, die Coding-Agents bauen.
Trainingsziele für Sicherheit
Vom möglichen Risiko zum begründeten Befund.
Trainingsziele für die Alpha-Version. Leistungswerte sind noch nicht veröffentlicht. Reichen die Belege nicht aus, soll das Modell seine Unsicherheit benennen oder auf eine Einschätzung verzichten.
Erkennung
Mögliche Schwachstellen im Quellcode finden und unsichere Muster von harmlosem, ähnlich aussehendem Code unterscheiden.
Lokalisierung
Betroffene Dateien und relevante Codeabschnitte benennen, statt nur allgemeine Warnungen auszugeben.
CWE-Klassifikation
Befunde den passenden CWE-Kategorien zuordnen, sofern die Belege ausreichen.
Belege
Knappe technische Belege zu Datenfluss und Vertrauensgrenzen liefern und begründen, warum ein Muster unsicher sein könnte.
Behebung
Konkrete Wege aufzeigen, eine Schwachstelle zu beseitigen oder zu entschärfen.
Patch-Erstellung
Minimale, sicherheitsbezogene Patches vorschlagen, die die bestehende Funktionalität erhalten sollen.
Fehlalarme vermeiden
Ähnlich aussehenden, aber sicheren Code als harmlos erkennen. Lieber auf eine Einschätzung verzichten, als eine Schwachstelle zu erfinden.
Sicherheitsprüfung
Repositories, Pull Requests und Diffs als spezialisierter zweiter Sicherheitsprüfer durchsehen.
Geplante Architektur
Ein spezialisiertes Modell. Ein überprüfbares System.
Das Modell bewertet semantische Risiken. Die Sentinel Engine liefert Repository-Kontext und deterministische Werkzeuge und prüft anschließend die möglichen Befunde. Das geplante Modell bleibt eigenständig herunterladbar und lokal nutzbar.
Repository / Pull Request
Quellcode oder eine vorgeschlagene Änderung
Sentinel EngineRepository Indexer
Suchraum eingrenzen
Sentinel EngineStatische Signale + Kontext
Relevanten Code und Tool-Signale auswählen
Sentinel EngineQuantum Sentinel
Semantische Sicherheitsrisiken bewerten
Quantum SentinelMögliche Befunde
Noch ungeprüfte Aussagen
Quantum SentinelVerifier / Tests / Erneute Analyse
Belege prüfen, unbelegte Kandidaten verwerfen
Sentinel EngineBelegter Befund
Optional ein minimaler Patch, auf Funktion und Sicherheit geprüft
Sentinel EngineJSON / SARIF / Lesbarer Bericht
Strukturierte Ausgabe oder lesbarer Prüfbericht
Sentinel Engine
Kontext + deterministische Werkzeuge
Sentinel Engine
Deterministische Arbeit gehört in Werkzeuge: Die Indexierung grenzt die Suche ein, statische Analyse liefert zusätzliche Signale, die Verifikation prüft die Aussagen des Modells, und Tests helfen zu klären, ob ein Patch weiterhin funktioniert und die Sicherheit verbessert. Spezialisierung und Verifikation zählen mehr als die Modellgröße allein.
Ausgangsmodell
Ein Kandidat – noch keine Festlegung.
Quantum Sentinel-Alpha wird derzeit mit Qwen3.5-9B als Hauptkandidaten für das Ausgangsmodell entwickelt. Die endgültige Auswahl folgt auf einen internen Vergleichstest von Qwen3.5-9B und Qwen3.5-4B auf Sicherheitsaufgaben. Das Ausgangsmodell ist noch nicht eingefroren.
Die erste Generation konzentriert sich auf Python, JavaScript / TypeScript und Go. Weitere Programmiersprachen können mit zusätzlichen Daten und Evaluationen folgen.
Trainingsansatz
Post-Training für Sicherheit, mit Fokus auf Belege.
Der Plan baut auf einem vorhandenen Ausgangsmodell mit offenen Gewichten auf, statt ein eigenes Pretraining von Grund auf durchzuführen. Kern ist überwachtes Fine-Tuning mit QLoRA / LoRA – mit kuratierten Schwachstellenbeispielen, Paaren aus behobenem und verwundbarem Code, Hard Negatives, Patch-Aufgaben sowie Aufgaben zu Lokalisierung, CWE-Klassifikation, Belegen und dem Verwerfen von Fehlalarmen. Präferenztraining oder Domänenanpassung kommen nur hinzu, wenn Evaluationen einen messbaren Nutzen zeigen.
Für lokalen Betrieb / Veröffentlichung geplant
Ihr Code. Lokal analysiert.
Geplant ist eine lokal ausgerichtete Inferenz: Code soll sich prüfen lassen, ohne dass er zu einem externen Cloud-Dienst hochgeladen werden muss. Ebenfalls geplant sind eine Veröffentlichung mit offenen Gewichten auf Hugging Face und quantisierte Varianten für den lokalen Einsatz; Sentinel-Gewichte sind noch nicht verfügbar.
- Zusammengeführte ModellgewichteGeplant
- Model CardGeplant
- Evaluation CardGeplant
- Optionale 8-Bit- / 4-Bit-VariantenGeplant
- Mögliche GGUF-VariantenGeplant
- Sentinel Scanner / CLIGeplant
Der Hauptkandidat liegt in der Größenklasse um 9 Mrd. Parameter. Quantisierung soll Inferenz auf handelsüblicher Hardware ermöglichen. Den Bedarf an RAM und VRAM veröffentlichen wir, sobald die finalen Varianten gemessen sind.
Entwicklungsplan
Erst Alpha. Später eine stabile Version.
Alpha ist der erste echte Meilenstein beim Sicherheits-SFT – vor Beta, Release Candidate und dem späteren stabilen Quantum Sentinel 1.0. Der frühe Lean-Plan zielt auf ein erstes Alpha-Fine-Tuning; die folgende Abfolge ist ein Entwicklungsplan, kein Nachweis abgeschlossener Phasen.
Zieltermin Alpha
Oktober 2026
Ein Entwicklungsziel für die Alpha-Version, kein zugesagter Veröffentlichungstermin. Quantum Sentinel 1.0 folgt später.
Ausgangsmodell
Geplant
Baseline
Geplant
Datensatz / Garden
Geplant
Kalibrierung
Geplant
SFT Alpha
Aktueller Fokus
Dateniteration + Beta
Geplant
Optionale Härtung
Geplant
Release Candidate
Geplant
Quantum Sentinel 1.0
Geplant
Forschungsstand
In Entwicklung. Noch sind Fragen offen.
Alpha ist in Entwicklung. Die hier beschriebenen Fähigkeiten, die Architektur und die für die Veröffentlichung vorgesehenen Artefakte sind geplant und können sich im Zuge der Evaluation ändern. Es sind weder Benchmark-Ergebnisse noch validierte Hardwareanforderungen angekündigt.
Defensive Sicherheitsanalyse von Quellcode – kein allgemeiner Chatbot, kein autonomer Agent für Penetrationstests und kein System zum Scannen des Internets. Unterstützung bei der Entwicklung von Malware, beim Diebstahl von Zugangsdaten oder bei Ransomware liegt außerhalb des Einsatzbereichs. Sentinel ergänzt menschliche Sicherheitsprüfungen, SAST und das Scannen von Abhängigkeiten, ersetzt sie aber nicht.
Alle Modelle