Cisco Systems stellte am 21. Juli Antares vor, eine Familie kleiner Sprachmodelle, die darauf ausgelegt sind, genau zu bestimmen, wo sich bekannte Sicherheitslücken in einer Codebasis befinden, und veröffentlichte die ersten beiden als offene Downloads auf Hugging Face. Der Start, der von SiliconANGLE, Axios und Help Net Security abgedeckt wird, stellt einen der bisher konkretsten Versuche dar, spezialisierte kleine Modelle in einen Bereich der Softwaresicherheit zu bringen, der lange Zeit langsam, teuer und auf menschliche Ermittler angewiesen war.

Antares stammt von der Cisco Foundation AI, der Forschungs- und Entwicklungsgruppe des Unternehmens, die sich auf sicherheitsspezifische künstliche Intelligenz konzentriert. Das Projekt befasst sich mit einem Problem, das als Schwachstellenlokalisierung bekannt ist. Hierbei handelt es sich um die Arbeit, externe Schwachstellendaten wie öffentliche Datenbanken, Hinweise und CWE-Einträge (Common Weakness Enumeration) mit den spezifischen Dateien in einem Repository zu verbinden, in denen eine Schwachstelle am wahrscheinlichsten auftritt. Um die neuesten Entwicklungen in diesem Bereich zu verfolgen, sehen Sie sich unsere KI-Branchenberichterstattung an.

Kleine Modelle, die für eine bestimmte Aufgabe gebaut wurden

Ab sofort sind zwei Modelle erhältlich: Antares-350M und Antares-1B, ein größeres Antares-3B-Modell soll folgen. Alle sind klein genug, um lokal ausgeführt zu werden, was es Sicherheitsteams laut Cisco ermöglicht, sensiblen Quellcode in ihrer eigenen Umgebung zu behalten, anstatt ihn an einen Cloud-Dienst zu senden. Dies ist ein wichtiges Verkaufsargument für Universitäten, öffentliche Einrichtungen, gemeinnützige Organisationen und kleinere Sicherheitsteams, denen das Budget für tokenlastige kommerzielle Grenzmodelle fehlt.

Anstatt ein Repository nach festen Regeln zu scannen, arbeitet Antares es so ab, wie es ein menschlicher Ermittler tun würde. Jedes Modell beginnt mit einer Schwachstellenbeschreibung, sucht nach relevanten Codemustern, liest Kandidatendateien, fügt neue Beweise ein, ändert die Richtung, wenn ein Weg nirgendwohin führt, und konzentriert sich auf die Dateien, die am wahrscheinlichsten von Bedeutung sind. Die Ausgabe ist eine Rangliste der Quelldateien, die wahrscheinlich die relevante Sicherheitslücke enthalten, zusammen mit dem Terminal-Explorations-Trace, der sie verursacht hat.

Ein maßgeschneiderter Benchmark und drastische Kosteneinsparungen

Um die Modelle zu messen, hat Cisco einen eigenen Test entwickelt, den Vulnerability Localization Benchmark, einen Satz mit 500 Einträgen, der erfordert, dass ein Modell durch eine unbekannte Codebasis navigiert und Schwachstellenmuster erkennt, die mit bestimmten Schwachstellenkategorien verknüpft sind. Cisco argumentierte, dass bestehende Code-Such-Benchmarks messen, ob ein Agent Code finden kann, der für ein allgemeines Softwareproblem relevant ist, und nicht, ob er anfällige Dateien anhand von Sicherheitsbeschreibungen finden kann. Die am ehesten vergleichbare Arbeit, die das Unternehmen zitierte, ist ein System namens CodeScout, das zeigte, dass die Codelokalisierung mit einem Standard-Unix-Terminal trainiert und gemessen werden kann.

Bei diesem Benchmark sagte Cisco, dass die Antares-Modelle etwa ein Dutzend größerer Modelle mit offenem und geschlossenem Gewicht in puncto Genauigkeit übertreffen und gleichzeitig deutlich günstiger laufen. Das Unternehmen bezifferte die Kosten für eine Antares-Bewertung auf unter einen Dollar, während das stärkste von ihm getestete Open-Weight-Modell, GLM-5.2, etwa 12,50 US-Dollar und das stärkste Closed-Source-Modell, GPT-5.5, etwa 141 US-Dollar kostete. Diese Zahlen ergeben 15,2-mal bzw. 172-mal günstigere Preise. Antares beendete auch Benchmark-Läufe in etwa einer Stunde, verglichen mit etwa viereinhalb Stunden für GPT-5.5.

Die Leistungslücke verdeutlicht einen breiteren Branchentrend: Für eng definierte Aufgaben können sorgfältig trainierte kleine Modelle mit allgemeinen Grenzmodellen mithalten oder diese übertreffen, und das bei einem Bruchteil der Rechenkosten. Wie Axios berichtete, setzt Cisco praktisch darauf, dass kleinere, speziell entwickelte KI in der Cybersicherheit von Unternehmen gewinnen wird, wo Teams mehr Wert auf Zuverlässigkeit, Kosten und Datenschutz legen als auf die reine Modellgröße.

Teil eines umfassenderen Sicherheits-KI-Vorstoßes

Antares ist der jüngste Teil einer umfassenderen Cisco-Bemühung rund um KI im Bereich Sicherheit. Im Oktober veröffentlichte das Unternehmen Project CodeGuard, ein Open-Source-Framework sicherer Codierungsregeln für KI-Codierungsagenten. Im Mai veröffentlichte das Unternehmen die Foundry Security Spec, einen offenen Entwurf für den Aufbau von Systemen zur Bewertung der Agentensicherheit. Antares erweitert diesen Arbeitsbereich, indem es den Praktikern ein verwendbares Modell mit offenem Gewicht direkt in die Hände gibt.

Die Veröffentlichung erfolgt auch vor dem Hintergrund wachsender Besorgnis über KI-bezogene Softwarerisiken. Im selben Monat, in dem Cisco die Foundry Security Spec veröffentlichte, berichtete Bloomberg, dass ein fortschrittliches Anthropic-Modell ein Notfalltreffen zwischen Finanzminister Scott Bessent, dem Vorsitzenden der US-Notenbank Jerome Powell und Bankmanagern auslöste, was unterstreicht, wie ernst die Aufsichtsbehörden die Sicherheitsauswirkungen leistungsstarker KI-Systeme nehmen.

Was es für Entwickler und Sicherheitsteams bedeutet

Für Unternehmen, die aufgrund von Kosten- oder Datengefährdungsbedenken vor der Einführung einer KI-gesteuerten Codeanalyse gezögert haben, bietet Antares einen Mittelweg. Da die Modelle offen und klein genug sind, um auf bescheidener Hardware ausgeführt zu werden, können Teams sie hinter ihren eigenen Firewalls bereitstellen und jeden Inferenzaufruf prüfen, ohne Gebühren pro Token an einen Cloud-Anbieter zahlen zu müssen. Die Open-Weight-Lizenzierung bedeutet auch, dass Forscher die Modelle für ihre eigenen Bereiche überprüfen, verfeinern und erweitern können.

Der Nachteil besteht darin, dass kleine Modelle vom Design her spezialisiert sind. Antares erstellt keine Marketing-E-Mails, fasst keine Besprechungen zusammen und beantwortet keine allgemeinen Wissensfragen. Seine Aufgabe ist es, die genauen Dateien zu lokalisieren, in denen sich wahrscheinlich eine bekannte Klasse von Sicherheitslücken verbirgt. Es scheint besser zu funktionieren als Modelle, die tausendmal so groß sind, zumindest im Cisco-eigenen Benchmark.

Ob unabhängige Forscher diese Ergebnisse auf ihren eigenen Codebasen bestätigen, wird darüber entscheiden, wie weit Antares übernommen wird. Vorerst bekräftigt die Einführung eine Botschaft, die sich das ganze Jahr über in der KI-Branche gebildet hat: Wenn die Aufgabe eng genug ist, können kleinere Aufgaben intelligenter, billiger und sicherer sein.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →