Antares-350M

Antares-350M to mniejszy z dwóch modeli do lokalizacji podatności, które Cisco Foundation AI opublikowało 21 lipca 2026 roku na licencji Apache 2.0 — i to właśnie on stanowi cały argument. W liczącym 500 zadań benchmarku VLoc Bench osiąga wynik F1 na poziomie plików 0,135 przy precyzji 0,136 i czułości 0,178 — przed Gemini 2.5 Flash (0,102), Gemma-4-31B (0,101), GPT-5 Mini (0,098) i Qwen3.5-122B-A10B (0,091). Jedna trzecia miliarda parametrów wyprzedzająca modele czołowe i stumiliardowe jest możliwa tylko dlatego, że zadanie jest wąskie, a trening wycelowany dokładnie w nie. To agent terminalowy, a nie asystent do rozmowy. Dostając opis znanej podatności w kategoriach CWE, przeszukuje podmontowane repozytorium poleceniami powłoki — grep, find, cat — i zwraca pliki, które uznaje za objęte problemem, razem ze śladem swojego przeszukiwania. Cisco trenowało go dwuetapowo: nadzorowane dostrajanie na rozumowaniu z cyberbezpieczeństwa, danych deep research i trajektoriach przeszukiwania kodu, a następnie uczenie ze wzmocnieniem GRPO na pełnych trajektoriach agenta z wieloskładnikową, weryfikowalną nagrodą. Pod spodem jest autoregresyjny transformer decoder-only na szkielecie IBM Granite 4.0 350M: 28 warstw, wymiar ukryty 1024, 16 głowic uwagi i 4 głowice KV, SwiGLU, RMSNorm, RoPE, słownik 100 352 tokenów i okno kontekstu 32 tysięcy tokenów. Dane sięgają 10 kwietnia 2025 roku. Cisco nietypowo otwarcie mówi o ograniczeniach. Model ma kłopot z repozytoriami większymi niż 10 MB przy budżecie 15 poleceń, dobrze radzi sobie z klasami podatności rozpoznawalnymi po wzorcu, a słabo z semantycznymi, i nie generuje ani exploitów, ani wyjaśnień. To narzędzie do triażu w podejściu shift-left i w CI/CD, przeznaczone do pracy w piaskownicy, z człowiekiem czytającym wynik — a nie zamiennik łańcucha narzędzi bezpieczeństwa aplikacji. Większy Antares-1B ma własny profil; wariant 3B jest zapowiedziany, ale niewydany.

▸Wideo

Brak materiałów wideo.

▸Recenzje