Newsy

Miliardowy łowca błędów od Cisco: Antares lokalizuje podatności, a kod nie opuszcza firmy

Grupa Foundation AI w Cisco udostępniła Antares-350M i Antares-1B — dwa małe modele językowe o otwartych wagach, zbudowane pod jedno zadanie z obszaru bezpieczeństwa, i opublikowała je na Hugging Face. Zadanie to lokalizacja podatności: mając bazę kodu i opis znanej luki, wskazać pliki, które faktycznie ją zawierają. Brzmi wąsko i o to właśnie chodzi. Zespoły bezpieczeństwa segregujące napływające zgłoszenia spędzają większość czasu na odpowiadaniu dokładnie na to pytanie w repozytoriach, których same nie pisały, a modele czołowe są do tego narzędziem kosztownym. Antares robi to inaczej niż skanery: zamiast sprawdzać kod według sztywnych reguł, prowadzi śledztwo tak jak człowiek — wychodzi od opisu podatności, szuka pasujących wzorców w kodzie, czyta kandydujące pliki, włącza nowe przesłanki z powrotem do wyszukiwania i porzuca tropy, które donikąd nie prowadzą. Teza Cisco brzmi: model uformowany wokół takiej pętli nie musi być duży. Porównania, które firma publikuje, są wymowne. Antares-1B ma w tym zadaniu wypadać lepiej niż Gemini 3 Pro od Google i być na równi z GLM-5.2 od Z.ai — modelem o 744 miliardach parametrów. Cisco zapowiada też nieudostępniony jeszcze Antares-3B, który według firmy bije zarówno GLM-5.2, jak i GPT-5.5 od OpenAI. W wydajności różnica jest jeszcze ostrzejsza: 500 repozytoriów przeskanowanych w 15 minut wobec około pięciu godzin u modeli czołowych, przy koszcie, który Cisco szacuje na mniej więcej 172 razy niższy niż w przypadku GPT-5.5. Argument wdrożeniowy może tu ważyć więcej niż benchmarkowy. Model, który mieści się na laptopie, działa wewnątrz firmowego perymetru — a to znaczy, że zastrzeżony kod źródłowy nigdy nie trafia do analizy przez zewnętrzne API. Właśnie ta obawa trzymała wiele zespołów bezpieczeństwa z dala od segregacji zgłoszeń wspieranej modelami językowymi. Otwarte wagi sprawiają, że da się to sprawdzić, a nie tylko obiecać. Oczywiste zastrzeżenie brzmi: to dane producenta, na zadaniu wybranym przez producenta, a niezależnych powtórzeń jeszcze nie ma. Kierunek jest jednak wart uwagi — mały model zbudowany pod konkretną robotę, wygrywający z uniwersalnymi gigantami, zapowiada przyszłość znacznie tańszą niż ta, w której każdy proces bezpieczeństwa woła API modelu czołowego.