Légion de test d'intrusion autonome pilotée par des commandants IA et des essaims de travailleurs.
Orchestrez des essaims multi-agents dotés de graphes de faits et d'intentions multicouches pour les tests d'intrusion autonomes.
sapper-v2 est un système de test d'intrusion multi-agent autonome qui a remporté les plus grands honneurs lors du Tencent Cloud Intelligent Attack-Defense Challenge. Il orchestre des commandants, des généraux et des éclaireurs à l'aide d'un graphe partagé de faits et d'intentions pour s'attaquer à des cibles de sécurité complexes. Vous devriez l'utiliser si vous souhaitez pousser la coordination multi-agent au-delà des limites d'une IA à instance unique.
Il coordonne plusieurs CLI et modèles d'agents via une hiérarchie structurée, séparant la stratégie de haut niveau de l'exécution parallèle. Un graphe de faits et d'intentions multicouches préserve les observations en cas d'interruption de session afin que les successeurs puissent reprendre les opérations sans interruption. La hiérarchisation des modèles achemine les tâches coûteuses vers des modèles de raisonnement d'élite et le travail en masse vers des modèles plus légers et plus rapides.
Il convient aux professionnels de la sécurité et aux chercheurs en IA qui élaborent des flux de travail multi-agents avancés pour des tâches d'automatisation complexes ou compétitives. Il ne convient pas aux utilisateurs occasionnels à la recherche d'un simple scanner de vulnérabilités en un clic ni à ceux qui n'ont pas d'expérience dans la gestion d'environnements CLI d'IA.
Sépare le commandement stratégique de l'exécution des travailleurs en parallèle à travers plusieurs volets tmux.
Stocke les observations dans une hiérarchie de titres, résumés et preuves pour éviter l'empoisonnement du contexte.
Associe des modèles de raisonnement lourds pour les commandants à des modèles flash légers pour les tâches de masse des travailleurs.
Permet aux agents d'inventer dynamiquement des rôles opérationnels tels que signaleurs et examinateurs de performance.
Gratuit sous licence MIT. Le seul coût réside dans l'exploitation de votre propre infrastructure et dans l'utilisation intensive de jetons API requise pour alimenter les essaims multi-agents.
879 missions ouvertes à distance en entraînement d’IA, mises à jour le 15 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.
Non, vous pouvez remplacer les CLI et les modèles d'agents pour chaque rôle à l'aide d'indicateurs de configuration ou de variables d'environnement.
Un cadre conceptuel testant si l'IA peut développer une division du travail et une dynamique de civilisation indépendante à partir d'un axiome de survie.
Voir Zekai en premier dans Google