思科推出 Antares 小语言 AI 模型 专为“定位漏洞”设计
思科推出Antares系列小语言模型,专用于漏洞定位,已发布350M和1B参数版本,后续将出3B版。模型作为辅助工具,通过调用终端命令扫描代码库生成报告。在漏洞定位基准测试中,Antares-1B召回率达22.4%,略高于GPT-5.5。模型轻量可本地部署,但能力有限,需结合其他安全手段。
思科最近放了个消息:他们推出了Antares系列小语言模型,专门用来干漏洞定位这活儿。目前已经在Hugging Face上发布了350M和1B参数版本,后续还会出一个30亿参数(3B)的版本。

得先说明白,Antares不是那种能自己到处翻出未知漏洞的AI黑科技。它的设计初衷是给安全人员当个“帮手”——帮你定位漏洞(Vulnerability Localization)。具体怎么玩?模型拿到CWE漏洞类型和描述后,会调用终端命令去扫描代码库,最后出一份检查报告。说白了,就是帮人工审查提效率,而不是替代人。
为了验证效果,思科搞了个漏洞定位基准测试(Vulnerability Localization Benchmark),覆盖了290个真实代码库、147种CWE漏洞类型,外加500个测试任务。从官方技术报告来看,Antares-1B在漏洞文件检出率(Recall)上做到了22.4%,在参与测试的所有模型里排第一,比GPT-5.5的22.1%还高那么一点点。

另一个亮点是模型本身比较小,可以直接部署在本地或企业内网里跑,既轻量化又保护隐私。不过话说回来,它的能力边界很明确——就是个辅助工具。企业想搭一套完整的软件安全防护体系,还得靠依赖组件分析、软件组成分析(SBOM)、敏感信息扫描、动态安全测试、威胁建模、漏洞修复,外加人工安全审查这些手段一起上,才能兜得住。


































