21 июля компания Cisco Systems представила Antares, семейство небольших языковых моделей, созданных для точного определения местонахождения известных уязвимостей безопасности внутри кодовой базы, и выпустила первые две в виде открытой загрузки на Hugging Face. Запуск, при поддержке SiliconANGLE, Axios и Help Net Security, знаменует собой одну из самых конкретных попыток ввести специализированные небольшие модели в область безопасности программного обеспечения, которая долгое время была медленной, дорогой и зависела от человеческих исследователей.

Antares принадлежит Cisco Foundation AI, исследовательской и инженерной группе компании, занимающейся искусственным интеллектом, ориентированным на безопасность. Проект решает проблему, известную как локализация уязвимостей, работу по подключению внешних данных об уязвимостях, таких как общедоступные базы данных, рекомендации и записи Common Weakness Enumeration (CWE), к конкретным файлам в репозитории, где с наибольшей вероятностью может существовать уязвимость. Чтобы следить за последними событиями в этой области, посетите наш освещение об отрасли искусственного интеллекта.

Маленькие модели, созданные для конкретной работы

Сейчас доступны две модели: Antares-350M и Antares-1B, а позже появится более крупная модель Antares-3B. Все они достаточно малы, чтобы работать локально, что, по словам Cisco, позволяет командам безопасности хранить конфиденциальный исходный код внутри своей среды, а не отправлять его в облачный сервис. Это заметное преимущество для университетов, органов государственного сектора, некоммерческих организаций и небольших групп безопасности, у которых нет бюджета на коммерческие пограничные модели с большим количеством токенов.

Вместо того чтобы сканировать хранилище по фиксированным правилам, Antares работает с ним так, как это сделал бы человек-следователь. Каждая модель начинается с описания уязвимости, ищет соответствующие шаблоны кода, считывает файлы-кандидаты, по мере продвижения добавляет новые доказательства, меняет направление, когда путь никуда не ведет, и сужается к файлам, которые, скорее всего, имеют значение. Результатом является ранжированный список исходных файлов, которые могут содержать соответствующую уязвимость, а также трассировку терминала, которая ее создала.

Пользовательский тест и значительная экономия средств

Для измерения моделей Cisco разработала собственный тест Vulnerability Localization Benchmark — набор из 500 элементов, который требует, чтобы модель ориентировалась в незнакомой кодовой базе и распознавала шаблоны уязвимостей, привязанные к конкретным категориям слабых мест. Cisco утверждает, что существующие тесты поиска кода измеряют, может ли агент найти код, связанный с общей проблемой программного обеспечения, а не может ли он найти уязвимые файлы по описаниям безопасности. Самая близкая сопоставимая работа, на которую ссылается компания, — это система под названием CodeScout, которая показала, что локализацию кода можно обучить и измерить с помощью стандартного терминала Unix.

В этом тесте Cisco заявила, что модели Antares превосходят по точности примерно дюжину более крупных моделей открытого и закрытого типа, но при этом работают намного дешевле. Компания оценила стоимость оценки Antares менее чем в один доллар против примерно 12,50 долларов за самую мощную модель с открытым исходным кодом, которую она тестировала, GLM-5.2, и около 141 доллара за самую мощную модель с закрытым исходным кодом, GPT-5.5. Эти цифры оказываются дешевле в 15,2 и 172 раза соответственно. Antares также завершил тестовые прогоны примерно за час по сравнению с примерно четырьмя с половиной часами для GPT-5.5.

Разрыв в производительности подчеркивает более широкую отраслевую тенденцию: для узко определенных задач тщательно обученные небольшие модели могут соответствовать или превосходить передовые модели общего назначения при незначительной стоимости вычислений. Как сообщает Axios, Cisco фактически делает ставку на то, что меньший, специально созданный ИИ победит в корпоративной кибербезопасности, где команды больше заботятся о надежности, стоимости и конфиденциальности данных, чем о размере необработанной модели.

Часть более широкого продвижения искусственного интеллекта в области безопасности

Antares — это новейшая часть более широких усилий Cisco в области искусственного интеллекта в сфере безопасности. В октябре компания выпустила Project CodeGuard — платформу с открытым исходным кодом, содержащую правила безопасного кодирования для агентов кодирования ИИ. В мае компания опубликовала Foundry Security Spec — открытый проект построения агентских систем оценки безопасности. Antares расширяет это направление работы, предоставляя удобную модель с открытым весом непосредственно в руки практикующих.

Релиз также появился на фоне растущей обеспокоенности по поводу рисков программного обеспечения, связанных с искусственным интеллектом. В том же месяце, когда Cisco опубликовала спецификацию Foundry Security Spec, агентство Bloomberg сообщило, что усовершенствованная антропная модель спровоцировала экстренную встречу между министром финансов Скоттом Бессентом, председателем Федеральной резервной системы Джеромом Пауэллом и руководителями банков, подчеркнув, насколько серьезно регуляторы относятся к последствиям безопасности, которые могут оказать мощные системы искусственного интеллекта.

Что это значит для разработчиков и специалистов по безопасности

Для организаций, которые не решаются внедрить анализ кода на основе ИИ из-за проблем с ценами или раскрытием данных, Antares предлагает средний путь. Поскольку модели имеют открытый вес и достаточно малы, чтобы работать на скромном оборудовании, команды могут развертывать их за собственными межсетевыми экранами, проверяя каждый вызов вывода, не платя поставщику облачных услуг плату за каждый токен. Открытое лицензирование также означает, что исследователи могут проверять, настраивать и расширять модели для своих собственных областей.

Компромисс заключается в том, что маленькие модели специализированы по дизайну. Antares не будет составлять маркетинговое электронное письмо, подводить итоги встречи или отвечать на вопросы общего характера. Для того, для чего он создан, а именно для поиска точных файлов, в которых, вероятно, скрывается известный класс уязвимостей, он, похоже, справляется лучше, чем модели, в тысячу раз превышающие его размер, по крайней мере, по собственным тестам Cisco.

От того, подтвердят ли независимые исследователи эти результаты на своих собственных кодовых базах, будет зависеть, насколько широко будет принят Antares. На данный момент запуск подтверждает идею, которая формировалась в индустрии искусственного интеллекта весь год: когда задача достаточно узкая, меньшее может быть умнее, дешевле и безопаснее.

---

Будьте впереди ИИ

Получайте последние новости, анализ и открытия в области искусственного интеллекта — все в одном месте.

Подробнее новости AI →