21 липня Cisco Systems представила Antares, сімейство невеликих мовних моделей, створених для точного визначення того, де в кодовій базі знаходяться відомі вразливості безпеки, і випустила перші дві як відкриті завантаження на Hugging Face. Запуск, охоплений SiliconANGLE, Axios і Help Net Security, знаменує собою одну з найбільш конкретних спроб перенести спеціалізовані невеликі моделі в куток безпеки програмного забезпечення, який довгий час був повільним, дорогим і залежав від дослідників.
Antares походить від Cisco Foundation AI, дослідницької та інженерної групи компанії, яка зосереджена на штучному інтелекті для безпеки. Проект вирішує проблему, відому як локалізація вразливості, роботу з підключення зовнішніх даних про вразливості, таких як загальнодоступні бази даних, рекомендації та записи загального переліку слабких місць (CWE), до конкретних файлів у сховищі, де найімовірніше знаходиться недолік. Щоб стежити за останніми подіями в цій сфері, перегляньте наш висвітлення індустрії ШІ.
Маленькі моделі, створені для конкретної роботи
Наразі доступні дві моделі: Antares-350M і Antares-1B, з більшою моделлю Antares-3B, яка має з’явитися. Усі вони достатньо малі для локальної роботи, що, за словами Cisco, дозволяє командам безпеки зберігати конфіденційний вихідний код у своєму власному середовищі, а не надсилати його до хмарної служби. Це важлива перевага для університетів, органів державного сектору, некомерційних організацій і невеликих команд із безпеки, яким бракує бюджету для комерційних передових моделей із використанням жетонів.
Замість того, щоб сканувати сховище з фіксованими правилами, Antares працює з ним так, як це зробив би дослідник. Кожна модель починається з опису вразливості, шукає релевантні шаблони коду, читає файли-кандидати, згортає нові докази по ходу руху, змінює напрямок, коли шлях веде в нікуди, і звужується до файлів, які мають найбільше значення. Результатом є ранжований список вихідних файлів, які, імовірно, містять відповідну вразливість, разом із трасою дослідження терміналу, яка створила її.
Індивідуальний тест і суттєва економія коштів
Щоб виміряти моделі, Cisco створила власний тест Vulnerability Localization Benchmark, набір із 500 записів, який вимагає від моделі навігації в незнайомій кодовій базі та розпізнавання шаблонів уразливостей, пов’язаних із певними категоріями слабких місць. Cisco стверджувала, що існуючі тести пошуку коду вимірюють, чи може агент знайти код, пов’язаний із загальною проблемою програмного забезпечення, а не те, чи може він знайти вразливі файли з описів безпеки. Найближчою порівнянною роботою, яку цитує компанія, є система під назвою CodeScout, яка показала, що локалізацію коду можна навчити та виміряти за допомогою стандартного терміналу Unix.
У цьому тесті Cisco заявила, що моделі Antares перевершують приблизно дюжину більших відкритих і закритих моделей за точністю, але працюють набагато дешевше. Компанія оцінила вартість оцінки Antares нижче одного долара проти приблизно 12,50 доларів для найпотужнішої відкритої моделі, яку вона протестувала, GLM-5.2, і близько 141 долара для найпотужнішої моделі із закритим вихідним кодом, GPT-5.5. Ці цифри виходять відповідно в 15,2 і 172 рази дешевше. Antares також завершив тестування приблизно за годину, у порівнянні з приблизно чотирма з половиною годинами для GPT-5.5.
Розрив у продуктивності підкреслює ширшу галузеву тенденцію: для вузько визначених завдань ретельно навчені невеликі моделі можуть зрівнятися з граничними моделями загального призначення або перевершити їх за незначну вартість обчислення. Як повідомляє Axios, Cisco фактично робить ставку на те, що менший, спеціально створений штучний інтелект переможе в корпоративній кібербезпеці, де команди більше дбають про надійність, вартість і конфіденційність даних, ніж про розмір сирої моделі.
Частина AI Push із ширшою безпекою
Antares — це остання частина ширших зусиль Cisco навколо штучного інтелекту в безпеці. У жовтні компанія випустила Project CodeGuard, фреймворк із відкритим вихідним кодом правил безпечного кодування для агентів кодування ШІ. У травні компанія опублікувала Foundry Security Spec — відкритий проект створення агентських систем оцінки безпеки. Antares розширює цю лінію роботи, надаючи придатну для використання відкриту модель безпосередньо в руки практиків.
Випуск також з’явився на тлі зростання занепокоєння щодо програмних ризиків, пов’язаних зі штучним інтелектом. У тому ж місяці Cisco опублікувала Foundry Security Spec, Bloomberg повідомило, що передова модель Anthropic викликала екстрену зустріч між міністром фінансів Скоттом Бессентом, головою Федеральної резервної системи Джеромом Пауеллом і керівниками банків, підкресливши, наскільки серйозно регулятори ставляться до наслідків безпеки потужних систем ШІ.
Що це означає для розробників і команд безпеки
Для організацій, які вагалися щодо впровадження аналізу коду на основі штучного інтелекту через проблеми з витратами чи доступом до даних, Antares пропонує середній шлях. Оскільки моделі є відкритими та досить малими, щоб працювати на скромному апаратному забезпеченні, команди можуть розгортати їх за власними брандмауерами, перевіряючи кожен виклик висновку, не сплачуючи постачальнику хмарних послуг комісію за кожен маркер. Відкрите ліцензування також означає, що дослідники можуть перевіряти, налаштовувати та розширювати моделі для власних доменів.
Компроміс полягає в тому, що малі моделі є спеціалізованими за дизайном. Antares не буде складати маркетинговий електронний лист, підсумовувати зустріч або відповідати на загальні запитання. Те, для чого він створений, — знаходити точні файли, де, ймовірно, ховається відомий клас вразливості, виявляється, він працює краще, ніж моделі, у тисячу разів більші за його розмір, принаймні за власним тестом Cisco.
Те, чи підтвердять незалежні дослідники ці результати на власних кодових базах, визначить, наскільки широко буде прийнято Antares. Наразі запуск підкріплює ідею, яка розвивалася в індустрії штучного інтелекту цілий рік: коли завдання досить вузьке, менше може бути розумнішим, дешевшим і безпечнішим.
---
Будьте попереду ШІОтримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
