A Cisco Systems apresentou em 21 de julho o Antares, uma família de modelos de linguagem pequena criados para identificar exatamente onde as vulnerabilidades de segurança conhecidas estão dentro de uma base de código, e lançou os dois primeiros como downloads abertos no Hugging Face. O lançamento, coberto pela SiliconANGLE, Axios e Help Net Security, marca uma das tentativas mais concretas de trazer pequenos modelos especializados para um canto da segurança de software que há muito é lento, caro e dependente de investigadores humanos.
Antares vem da Cisco Foundation AI, o grupo de pesquisa e engenharia da empresa focado em inteligência artificial específica para segurança. O projeto aborda um problema conhecido como localização de vulnerabilidade, o trabalho de conectar dados de vulnerabilidade externos, como bancos de dados públicos, avisos e entradas de Common Weakness Enumeration (CWE), aos arquivos específicos em um repositório onde uma falha tem maior probabilidade de residir. Para acompanhar os últimos desenvolvimentos neste espaço, consulte nossa cobertura da indústria de IA.
Pequenos modelos construídos para um trabalho específico
Dois modelos estão disponíveis agora: Antares-350M e Antares-1B, com um modelo maior Antares-3B em breve. Todos são pequenos o suficiente para serem executados localmente, o que, segundo a Cisco, permite que as equipes de segurança mantenham o código-fonte confidencial dentro de seu próprio ambiente, em vez de enviá-lo para um serviço em nuvem. Este é um argumento de venda notável para universidades, organismos do sector público, organizações sem fins lucrativos e equipas de segurança mais pequenas que não têm orçamento para modelos de fronteira comercial com muitos tokens.
Em vez de examinar um repositório com regras fixas, Antares trabalha nele da mesma forma que um investigador humano faria. Cada modelo começa com uma descrição de vulnerabilidade, procura padrões de código relevantes, lê arquivos candidatos, incorpora novas evidências à medida que avança, muda de direção quando um caminho não leva a lugar nenhum e se estreita em direção aos arquivos com maior probabilidade de serem importantes. A saída é uma lista classificada de arquivos de origem que provavelmente contêm a vulnerabilidade relevante, juntamente com o rastreamento de exploração do terminal que a produziu.
Um benchmark personalizado e economia drástica de custos
Para medir os modelos, a Cisco construiu seu próprio teste, o Vulnerability Localization Benchmark, um conjunto de 500 entradas que requer um modelo para navegar em uma base de código desconhecida e reconhecer padrões de vulnerabilidade vinculados a categorias específicas de fraquezas. A Cisco argumentou que os benchmarks de pesquisa de código existentes medem se um agente consegue encontrar código relevante para um problema geral de software, e não se consegue localizar ficheiros vulneráveis a partir de descrições de segurança. O trabalho comparável mais próximo citado pela empresa é um sistema chamado CodeScout, que mostrou que a localização de código pode ser treinada e medida com um terminal Unix padrão.
Nesse benchmark, a Cisco disse que os modelos Antares superaram cerca de uma dúzia de modelos maiores de peso aberto e fechado em precisão, embora sejam muito mais baratos. A empresa estimou o custo de uma avaliação do Antares em menos de um dólar, contra cerca de US$ 12,50 para o modelo de peso aberto mais forte que testou, o GLM-5.2, e cerca de US$ 141 para o modelo de código fechado mais forte, o GPT-5.5. Esses números equivalem a 15,2 vezes e 172 vezes mais baratos, respectivamente. Antares também concluiu testes de benchmark em cerca de uma hora, em comparação com cerca de quatro horas e meia para o GPT-5.5.
A lacuna de desempenho destaca uma tendência mais ampla do setor: para tarefas estritamente definidas, pequenos modelos cuidadosamente treinados podem igualar ou exceder modelos de fronteira de uso geral por uma fatia do custo computacional. Conforme relatado pela Axios, a Cisco está efetivamente apostando que a IA menor e desenvolvida especificamente vencerá na segurança cibernética corporativa, onde as equipes se preocupam mais com confiabilidade, custo e privacidade de dados do que com o tamanho bruto do modelo.
Parte de um impulso mais amplo de IA de segurança
Antares é a mais recente peça de um esforço mais amplo da Cisco em torno da IA na segurança. Em outubro, a empresa lançou o Projeto CodeGuard, uma estrutura de código aberto de regras de codificação segura para agentes de codificação de IA. Em maio, publicou o Foundry Security Spec, um plano aberto para a construção de sistemas de avaliação de segurança de agentes. Antares amplia essa linha de trabalho, colocando um modelo utilizável e de peso aberto diretamente nas mãos dos profissionais.
O lançamento também chega em meio à crescente preocupação com os riscos de software relacionados à IA. No mesmo mês em que a Cisco publicou as especificações de segurança da Foundry, a Bloomberg informou que um modelo antrópico avançado desencadeou uma reunião de emergência entre o secretário do Tesouro, Scott Bessent, o presidente da Reserva Federal, Jerome Powell, e executivos bancários, sublinhando a seriedade com que os reguladores estão a tratar as implicações de segurança dos poderosos sistemas de IA.
O que isso significa para desenvolvedores e equipes de segurança
Para organizações que hesitaram em adotar a análise de código orientada por IA devido a preocupações com custos ou exposição de dados, a Antares oferece um caminho intermediário. Como os modelos são abertos e pequenos o suficiente para serem executados em hardware modesto, as equipes podem implantá-los atrás de seus próprios firewalls, auditando cada chamada de inferência sem pagar taxas por token a um provedor de nuvem. O licenciamento aberto também significa que os pesquisadores podem inspecionar, ajustar e estender os modelos para seus próprios domínios.
A desvantagem é que os modelos pequenos são especializados por design. A Antares não redigirá um e-mail de marketing, resumirá uma reunião ou responderá a uma pergunta de conhecimento geral. O que ele foi criado para fazer, localizar os arquivos precisos onde uma classe conhecida de vulnerabilidade provavelmente está escondida, parece funcionar melhor do que modelos mil vezes maiores, pelo menos no benchmark da própria Cisco.
Se pesquisadores independentes confirmarem esses resultados em suas próprias bases de código determinará o quão amplamente o Antares será adotado. Por enquanto, o lançamento reforça uma mensagem que tem sido construída em toda a indústria da IA durante todo o ano: quando a tarefa é suficientemente restrita, os mais pequenos podem ser mais inteligentes, mais baratos e mais seguros.
---
Fique à frente da IAReceba as últimas notícias, análises e avanços sobre IA — tudo em um só lugar.
Leia mais notícias sobre IA →
