El 21 de julio, Cisco Systems presentó Antares, una familia de pequeños modelos de lenguaje creados para identificar exactamente dónde se encuentran las vulnerabilidades de seguridad conocidas dentro de una base de código, y lanzó los dos primeros como descargas abiertas en Hugging Face. El lanzamiento, cubierto por SiliconANGLE, Axios y Help Net Security, marca uno de los intentos más concretos hasta ahora de llevar pequeños modelos especializados a un rincón de la seguridad del software que durante mucho tiempo ha sido lento, costoso y dependiente de investigadores humanos.
Antares proviene de Cisco Foundation AI, el grupo de investigación e ingeniería de la compañía centrado en inteligencia artificial específica de seguridad. El proyecto aborda un problema conocido como localización de vulnerabilidades, el trabajo de conectar datos de vulnerabilidad externos, como bases de datos públicas, avisos y entradas de enumeración de debilidades comunes (CWE), a los archivos específicos en un repositorio donde es más probable que exista una falla. Para seguir los últimos desarrollos en este espacio, consulte nuestra cobertura de la industria de la IA.
Modelos pequeños creados para un trabajo específico
Actualmente hay dos modelos disponibles: Antares-350M y Antares-1B, a los que seguirá un modelo más grande, Antares-3B. Todos son lo suficientemente pequeños como para ejecutarse localmente, lo que, según Cisco, permite a los equipos de seguridad mantener el código fuente confidencial dentro de su propio entorno en lugar de enviarlo a un servicio en la nube. Este es un punto de venta notable para universidades, organismos del sector público, organizaciones sin fines de lucro y equipos de seguridad más pequeños que carecen del presupuesto para modelos fronterizos comerciales con muchos tokens.
En lugar de escanear un repositorio con reglas fijas, Antares trabaja en él como lo haría un investigador humano. Cada modelo comienza a partir de una descripción de vulnerabilidad, busca patrones de código relevantes, lee archivos candidatos, incorpora nueva evidencia a medida que avanza, cambia de dirección cuando un camino no lleva a ninguna parte y se estrecha hacia los archivos con mayor probabilidad de importar. El resultado es una lista clasificada de archivos fuente que probablemente contengan la vulnerabilidad relevante, junto con el rastro de exploración del terminal que la produjo.
Un punto de referencia personalizado y un ahorro de costes espectacular
Para medir los modelos, Cisco creó su propia prueba, Vulnerability Localization Benchmark, un conjunto de 500 entradas que requiere que un modelo navegue por una base de código desconocida y reconozca patrones de vulnerabilidad vinculados a categorías de debilidad específicas. Cisco argumentó que los puntos de referencia de búsqueda de código existentes miden si un agente puede encontrar código relevante para un problema general de software, no si puede localizar archivos vulnerables a partir de descripciones de seguridad. El trabajo comparable más cercano que citó la compañía es un sistema llamado CodeScout, que demostró que la localización de códigos se puede entrenar y medir con una terminal Unix estándar.
En ese punto de referencia, Cisco dijo que los modelos Antares superan a aproximadamente una docena de modelos más grandes, abiertos y cerrados, en precisión y son mucho más baratos. La compañía estimó el coste de una evaluación de Antares en menos de un dólar, frente a aproximadamente 12,50 dólares para el modelo de peso abierto más potente que probó, GLM-5.2, y alrededor de 141 dólares para el modelo de código cerrado más potente, GPT-5.5. Esas cifras resultan 15,2 y 172 veces más baratas, respectivamente. Antares también completó las pruebas de referencia en aproximadamente una hora, en comparación con aproximadamente cuatro horas y media para GPT-5.5.
La brecha de rendimiento pone de relieve una tendencia más amplia de la industria: para tareas estrechamente definidas, los modelos pequeños cuidadosamente entrenados pueden igualar o superar los modelos de frontera de propósito general por una pequeña parte del costo de cómputo. Como informó Axios, Cisco está apostando efectivamente a que una IA más pequeña y diseñada específicamente ganará en la ciberseguridad empresarial, donde los equipos se preocupan más por la confiabilidad, el costo y la privacidad de los datos que por el tamaño del modelo en bruto.
Parte de un impulso más amplio de la IA en materia de seguridad
Antares es la última pieza de un esfuerzo más amplio de Cisco en torno a la IA en seguridad. En octubre, la compañía lanzó Project CodeGuard, un marco de código abierto de reglas de codificación segura para agentes de codificación de IA. En mayo, publicó Foundry Security Spec, un plan abierto para crear sistemas de evaluación de seguridad agentes. Antares amplía esa línea de trabajo poniendo un modelo utilizable y de peso abierto directamente en manos de los profesionales.
El lanzamiento también llega en medio de una creciente preocupación por los riesgos del software relacionado con la IA. El mismo mes que Cisco publicó la especificación de seguridad Foundry, Bloomberg informó que un modelo antrópico avanzado desencadenó una reunión de emergencia entre el secretario del Tesoro, Scott Bessent, el presidente de la Reserva Federal, Jerome Powell, y ejecutivos bancarios, lo que subraya la seriedad con la que los reguladores están tratando las implicaciones de seguridad de los potentes sistemas de inteligencia artificial.
Qué significa para los desarrolladores y los equipos de seguridad
Para las organizaciones que han dudado en adoptar el análisis de código impulsado por IA debido a preocupaciones de costos o exposición de datos, Antares ofrece un camino intermedio. Debido a que los modelos son abiertos y lo suficientemente pequeños como para ejecutarse en hardware modesto, los equipos pueden implementarlos detrás de sus propios firewalls, auditando cada llamada de inferencia sin pagar tarifas por token a un proveedor de nube. La licencia de peso abierto también significa que los investigadores pueden inspeccionar, ajustar y ampliar los modelos para sus propios dominios.
La desventaja es que los modelos pequeños están especializados por diseño. Antares no redactará un correo electrónico de marketing, no resumirá una reunión ni responderá una pregunta de conocimiento general. Lo que está diseñado para hacer, localizar los archivos precisos donde probablemente se esconde una clase conocida de vulnerabilidad, parece funcionar mejor que los modelos mil veces su tamaño, al menos en el propio punto de referencia de Cisco.
Si los investigadores independientes confirman esos resultados en sus propias bases de código determinará cuán ampliamente se adopta Antares. Por ahora, el lanzamiento refuerza un mensaje que se ha estado construyendo en toda la industria de la IA durante todo el año: cuando la tarea es lo suficientemente limitada, lo más pequeño puede ser más inteligente, más barato y más seguro.
---
Manténgase a la vanguardia de la IAObtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.
Leer más noticias sobre IA →
