思科系统公司于 7 月 21 日推出了 Antares，这是一个小型语言模型系列，旨在精确定位代码库中已知安全漏洞的位置，并在 Hugging Face 上以开放权重下载方式发布了前两个模型。此次发布由 SiliconANGLE、Axios 和 Help Net Security 报道，标志着迄今为止最具体的尝试之一，旨在将专门的小型模型引入长期以来缓慢、昂贵且依赖人类调查人员的软件安全领域。
Antares 来自思科 AI 基金会，该公司的研究和工程小组专注于特定于安全的人工智能。该项目解决了一个称为漏洞定位的问题，即将外部漏洞数据（例如公共数据库、建议和常见弱点枚举 (CWE) 条目）连接到存储库中最有可能存在缺陷的特定文件。要了解该领域的最新发展，请参阅我们的人工智能行业报道。
为特定工作而构建的小型模型
目前有两种型号：Antares-350M 和 Antares-1B，更大的 Antares-3B 型号即将推出。所有这些都足够小，可以在本地运行，思科表示，这可以让安全团队将敏感的源代码保存在自己的环境中，而不是将其发送到云服务。对于大学、公共部门机构、非营利组织和小型安全团队来说，这是一个显着的卖点，因为这些团队缺乏代币密集型商业前沿模型的预算。
Antares 不是使用固定规则扫描存储库，而是像人类调查员一样进行工作。每个模型都从漏洞描述开始，搜索相关代码模式，读取候选文件，不断折叠新的证据，当路径无处可去时改变方向，并缩小到最可能重要的文件。输出是可能包含相关漏洞的源文件的排名列表，以及产生该漏洞的终端探索跟踪。
自定义基准和显着的成本节省
为了衡量这些模型，思科构建了自己的测试，即漏洞本地化基准，这是一个包含 500 个条目的集合，需要一个模型来导航不熟悉的代码库并识别与特定弱点类别相关的漏洞模式。思科认为，现有的代码搜索基准衡量的是代理是否可以找到与一般软件问题相关的代码，而不是是否可以从安全描述中找到易受攻击的文件。该公司引用的最接近的类似工作是一个名为 CodeScout 的系统，该系统表明可以使用标准 Unix 终端来训练和测量代码本地化。
思科表示，在该基准测试中，Antares 模型在准确性方面击败了大约十几个较大的开放式和封闭式重量模型，同时运行成本低得多。该公司将 Antares 评估的成本定为不到 1 美元，而其测试的最强开放权重模型 GLM-5.2 约为 12.50 美元，最强闭源模型 GPT-5.5 约为 141 美元。这些数字分别便宜 15.2 倍和 172 倍。 Antares 还在大约一个小时内完成了基准测试运行，而 GPT-5.5 大约需要四个半小时。
这种性能差距凸显了更广泛的行业趋势：对于狭义定义的任务，经过精心训练的小型模型可以以极少的计算成本匹配或超过通用前沿模型。正如 Axios 报道的那样，思科实际上押注于小型专用人工智能将在企业网络安全领域获胜，因为在企业网络安全领域，团队更关心可靠性、成本和数据隐私，而不是原始模型大小。
更广泛的安全人工智能推动的一部分
Antares 是思科围绕人工智能安全领域所做的更广泛努力的最新成果。 10 月，该公司发布了 Project CodeGuard，这是一个用于人工智能编码代理的安全编码规则的开源框架。 5 月，它发布了 Foundry Security Spec，这是构建代理安全评估系统的开放蓝图。 Antares 通过将可用的开放权重模型直接交到从业者手中来扩展该工作范围。
该版本发布之际，人们对人工智能相关软件风险的担忧日益加剧。同月，思科发布了 Foundry 安全规范，彭博社报道称，先进的人择模型引发了财政部长斯科特·贝森特、美联储主席杰罗姆·鲍威尔和银行高管之间的紧急会议，强调了监管机构如何认真对待强大人工智能系统的安全影响。
这对开发人员和安全团队意味着什么
对于因成本或数据暴露问题而犹豫是否采用人工智能驱动的代码分析的组织来说，Antares 提供了一条中间路径。由于这些模型是开放式的，而且足够小，可以在普通硬件上运行，因此团队可以将它们部署在自己的防火墙后面，审计每个推理调用，而无需向云提供商支付每个代币的费用。开放权重许可还意味着研究人员可以针对自己的领域检查、微调和扩展模型。
代价是小型模型在设计上是专门化的。 Antares 不会起草营销电子邮件、总结会议或回答一般知识问题。它的构建目的是找到可能隐藏已知类别漏洞的精确文件，它似乎比其大小一千倍的模型做得更好，至少在思科自己的基准测试中是这样。
独立研究人员是否在自己的代码库上确认这些结果将决定 Antares 的采用范围。目前，此次发布强化了人工智能行业全年一直在传达的信息：当任务足够窄时，更小的可以更智能、更便宜、更安全。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
