引入一万个Agent，确实能挖出很多洞。但背后的成本是巨大的——在多数真实业务场景里，这样挖出来的漏洞价值，其实和投入并不匹配。在我们真实的业务场景里，我们选择提前布局「安全智能性价比」，并已经在真实广泛的业务环境和CyberGym等国际榜单上，用一个27B模型跨尺寸领先。

阿里巴巴集团安全AGI实验室自主研发的面向网络安全垂直领域的伏渊息壤大模型XekRung-27B，交出了一份「以小搏大」的成绩单：基于Qwen3.8-27B，经安全领域训练与极致的智能压缩，它在Cyber Gym Level 1上取得88.9%的成功率，击败参数量为其几十到几百倍的GPT-5.5-Cyber、Claude Mythos、

Gemini 3.8 Flash Cyber等国外顶级闭源模型，登顶模型榜单Top1。

这份成绩的含金量，在于榜单的纯粹：CyberGym的模型榜单（Model-Focused）不同于可以叠加fuzzing工具、动态知识库等外挂能力的智能体榜单（Agent-Focused），它只使用通用Harness，不设固定阶段、不挂任何外部工具与知识库，更加纯粹地反映模型的安全智能。而正是这个长期由国外巨头主导的榜单，如今正被DeepSeek、智谱、阿里等国产模型改写。

更关键的是，伏渊息壤不是只存在于榜单上的模型。它已在SDL、反入侵、DLP、数字资产管理、智能体安全等阿里安全内部业务场景规模落地，日均调用超3000万：参数极小、成本极低、智能密度极高，「安全智能性价比」在真实业务中已经产生收益。

这一切是如何做到的？本文将沿四条线索展开：真实业务场景中的广泛价值、领域模型背后的极致成本压缩、多维评估效果、真实落地与性价比——层层拆解伏渊息壤如何把顶级安全智能压缩进一个27B模型，并一步步落地真实业务。

伏渊息壤大模型已经广泛落地在阿里巴巴集团内部网络安全、数据安全等一系列真实场景中，CyberGym所属的二进制漏洞PoC仅为伏渊息壤一部分能力的缩影。

领域知识的极致压缩，价值在于「以小搏大」：用更极致的算力与token成本，覆盖过去需要堆人力、堆资源才能完成的任务。在漏洞挖掘、全链路对抗演练这类重点且复杂的业务场景中，伏渊息壤同样具备优秀效果——从信息收集、漏洞定位，到PoC构造与验证，能够以Agentic的方式串起完整链路。

这正是「安全智能性价比」的含义：不是单纯追求无成本意识的参数Scaling，而是在真实业务的成本约束下，基于领域积累和对智能机理的深刻理解，把每个参数单位的智能都用在刀刃上。

极致的成本压缩，来自三个层面的协同。

其一，优秀的Backbone。伏渊息壤基于Qwen基座训练。Qwen是世界上领先的通用开源模型，为领域能力的进一步生长提供了扎实的铺垫——好的起点，本身就是最大的成本节约。

其二，能力上的Divide-and-Conquer。我们不追求让一个模型能力「大而全」，而是把安全能力完整地拆解、沉淀为一系列原子能力集合。在这些明确的边界之内，可以对原有模型的参数分布做无限且精密的智能压缩，把有限的参数集中投放到最需要的地方，从而大幅提升领域智能密度。

以漏洞为例，在多个技术方向我们进行总结归纳。宏观层面存在共性，微观层面以差异为主、但仍有部分共性可迁移：

✅ Binary：二进制漏洞发现、验证、利用、修复；

✅ Web：Web漏洞的发现、验证、利用、修复；

✅ Agent：面向智能体系统自身的安全；

✅ Supply Chain：供应链安全的检测与防御。

同时伏渊息壤随真实世界落地的技术路线，正在共同经历范式跃迁：From Workflow to Agentic，并引入Jev-like类型化决策能力，最终形成多形态协同的可泛化领域智能基座。

以能力项为基础，伏渊息壤模型同时深耕安全领域的精密训练：

✅ Security-trajectory SFT：使用经脱敏、过滤与合规的安全轨迹做监督微调；

✅ Agentic RL：以带工具调用的Agent式强化学习，训练多步决策能力，以Executable、Verifiable的Signal作为对齐反馈；同时RL不再只看最终结果，而是引入过程奖励，对多步决策中的每一个有效动作给予信号，让Agent在长链路任务中走得更稳、更远；

✅ Failure-sample utilization：把失败样本转化为「失败原因→纠正动作」的学习对，充分提升数据利用率。

其三，技术上的Model+Harness联合调优。模型与Harness不是两件事，而是一起优化的整体。目标是同一个：高性价比地完成端到端任务。因此我们通过适配加自进化的技术来实现联合调优。

Self-Scaffolding to Self-Improvement：在伏渊息壤模型的Harness适配上，我们除了利用常见Harness，还基于Harbor等框架，通过自进化的方式来使得模型对Harness具备强泛化能力。在这过程之中，自然迭代出最适配模型的领域Harness，同时通过Harness进行数据的Rollout和Verifiable的训练。模型与脚手架互相成就，形成自我提升的闭环。

以CyberGym评测为例，伏渊息壤模型搭配运行在自研的XekRung Harness上，配合自部署FP8推理与256K上下文，追求最高的token efficiency——用更少的交互与算力，拿到更好的领域结果。

我们从三个维度评估伏渊息壤，同时确保训练数据不含任何污染。

Internal Bench多项高质量内部业务基准：覆盖10余项真实业务场景的安全能力评测，包括Workflow和多种Harness的Agentic评测场景，验证伏渊息壤在实际环境中的效果。

在覆盖供应链安全、数据泄漏防护、Web漏洞检测与修复、Agent安全等大方向的真实业务基准上，以Qwen3.8-27B为backbone，伏渊息壤带来了已经真实产生的效果增量。Bench数量一旦变多，综合分的提升愈发困难，而伏渊息壤能力提升在真实安全业务中持续兑现。

CyberGym等开源基准：XekRung-1.4等系列版本模型已在阿里各类安全业务中投入使用。而作为下一代旗舰模型的预览版，XekRung-1.5-27B-Preview让「“小”参数」的伏渊息壤击败了GPT-5.5-Cyber、Claude Mythos等国外顶级超大尺寸闭源模型，登顶Top1。这表明，在模型的安全能力项上做深做足，并通过Model+Harness联合自进化，可以在安全领域上达到非常好的效果。

通用Bench：在涵盖中英知识、代码、数学、推理等方向的35个通用评测基准上，基于Qwen3.6-27B的XekRung1.2-27B综合分达83.97%，反超其基座2.95个百分点；基于更强基座Qwen3.8-27B的XekRung-1.3系列，在承载更强领域能力的同时，通用综合分与基座的差距控制在1个百分点左右——领域智能的极致压缩，并未以通用能力退化为代价。