思科系统公司今日推出Antares系列小型语言模型，专为精准定位代码库中已知安全漏洞的位置而设计，并已将首批两款模型作为开放权重版本发布至Hugging Face平台供下载使用。
这批模型由思科基础AI团队开发，该团队是公司专注于安全领域人工智能研究与工程的核心部门。Antares的核心能力在于漏洞定位——将来自公共数据库、安全公告及通用缺陷枚举（CWE）条目等外部漏洞数据，与代码仓库中可能存在缺陷的具体文件精准对应起来。
这一环节是软件安全工作中耗时较长、成本较高的部分之一。分析人员需要在陌生代码中逐一检索，梳理命名规范、追踪调用路径，并对比候选文件，才能判断漏洞是否真实存在。Antares的设计目标正是大幅缩减这一排查范围。
目前已开放的两款模型分别为Antares-350M和Antares-1B，更大规模的Antares-3B模型将在后续推出。所有模型体量均足够轻量，可在本地运行，从而使安全团队能够将敏感源代码保留在自有环境中，无需上传至云端服务。思科将此定位为面向高校、公共部门机构、非营利组织以及预算有限、无力承担Token密集型商业模型的中小型安全团队的理想选择。
Antares并非依靠固定规则扫描代码仓库，而是模拟人类调查员的工作方式逐步推进：每个模型从漏洞描述出发，搜索相关代码模式，读取候选文件，整合新线索，在路径无果时及时转换方向，最终锁定最可能存在问题的文件。输出结果为可能包含相关漏洞的源文件排名列表，以及生成该结果的完整探索追踪记录。
为评估模型性能，思科专门构建了"漏洞定位基准测试"（Vulnerability Localization Benchmark），这是一个包含500个条目的测试集，要求模型在陌生代码库中导航，并识别与特定缺陷类别相关的漏洞模式。思科表示，现有代码搜索基准测试只衡量智能体能否找到与通用软件问题相关的代码，而无法测试其能否根据安全描述定位存在漏洞的文件。目前最接近的同类工作是一个名为CodeScout的系统，证明了代码定位能力可基于标准Unix终端进行训练和测量。
在上述基准测试中，思科表示，Antares系列模型在准确率上超越了十余款更大规模的开源及闭源模型，同时运行成本大幅降低。思科披露，Antares单次评估成本不足1美元，而其测试中表现最强的开源模型GLM-5.2约需12.5美元，表现最强的闭源模型GPT-5.5则约需141美元，分别是Antares成本的15.2倍和172倍。此外，Antares完成基准测试约需一小时，而GPT-5.5则需约四个半小时。
Antares是思科在安全领域持续推进AI布局的最新成果。去年10月，思科发布了Project CodeGuard，这是一个面向AI编程智能体的安全编码规则开源框架；今年5月，思科发布了Foundry Security Spec，这是一份用于构建智能体安全评估系统的开放蓝图。思科基础AI团队在过去一年中还陆续推出了多款开放权重安全模型，包括Foundation-sec-8B及其推理增强版本。
"我们的目标是构建一套系统，让所有安全从业者——无论面临何种本地化部署限制或资源约束——都能在日常安全运营中有效应用AI。"思科基础AI副总裁兼首席科学家阿明·卡尔巴西（Amin Karbasi）在一篇博文中如是写道。
思科也明确指出了Antares的能力边界：这些模型旨在加速漏洞分类排查的初步筛查阶段，而非完全替代人工分析，同时也不能取代完整的应用安全体系，包括依赖项与软件成分分析、密钥扫描、动态测试及人工审查等环节。
目前，Antares-350M和Antares-1B两款模型及其模型卡已在Hugging Face上线，Antares-3B模型将于后续发布。
Q&A
Q1：Antares模型和普通代码扫描工具有什么区别？
A：传统代码扫描工具依赖固定规则，而Antares模拟人类安全分析员的工作方式，从漏洞描述出发，动态搜索相关代码模式、读取候选文件、整合新证据，并在路径无果时及时调整方向，最终输出最可能包含漏洞的源文件排名列表，而非单纯的规则匹配结果。
Q2：Antares的成本和性能表现怎么样？
A：根据思科发布的测试数据，Antares单次评估成本不足1美元，而同类开源最强模型GLM-5.2约需12.5美元，闭源最强模型GPT-5.5约需141美元。在速度上，Antares完成基准测试约需一小时，GPT-5.5则需约四个半小时。在准确率方面，Antares超越了测试中十余款更大规模的开源及闭源模型。
Q3：Antares能完全替代人工安全审查吗？
A：不能。思科明确表示，Antares仅用于加速漏洞分类排查的初步筛查阶段，帮助安全人员快速缩小排查范围，但不能取代完整的应用安全流程，包括软件成分分析、密钥扫描、动态测试以及最终的人工审查等环节，仍需与现有安全工具配合使用。
