Команда базового ИИ Cisco (США) выпустила две модели безопасности с открытыми весами

Репортаж от Wedoany，Команда базового ИИ американской компании Cisco выпустила две модели безопасности с открытыми весами — Antares-350M и Antares-1B, предназначенные для выявления известных уязвимостей в существующих кодовых базах. Этот шаг стал тихим ответом на текущую гонку вооружений в области моделей искусственного интеллекта. Cisco считает, что для обнаружения уязвимостей в программном обеспечении не требуются огромные и дорогостоящие системы, и не следует отправлять проприетарный исходный код сторонним поставщикам ИИ.

Обе модели размещены на платформе Hugging Face для использования сообществом, однако Cisco будет предоставлять доступ к ним в индивидуальном порядке. Cisco оставила более крупную модель с 3 миллиардами параметров, не опубликовав её открыто. Это не универсальные чат-боты, а ИИ-агенты, специально предназначенные для задач локализации уязвимостей. Antares, исходя из описания уязвимости, выполняет поиск и чтение кандидатов в кодовой базе; если один путь не даёт результатов, он автоматически возвращается назад и в итоге выдаёт ранжированный список файлов, наиболее вероятно содержащих дефекты. Название модели происходит от красного сверхгиганта Антарес, объём которого примерно в 1000 раз превышает объём Солнца.

Cisco заявляет, что возможности этих небольших моделей значительно превосходят ожидания, исходя из их размера. В собственном эталонном тесте Cisco по локализации 500 уязвимостей Antares-1B превзошёл Google Gemini 3 Pro и сравнялся с Z.ai GLM-5.2. Ещё не выпущенная модель с 3 миллиардами параметров превзошла GLM-5.2 и OpenAI GPT-5.5. Ключевые преимущества заключаются в скорости и стоимости: главный учёный по ИИ Амин Карбаси сообщил технологическому изданию The Register, что Antares обрабатывает 500 кодовых баз за 15 минут, в то время как передовым моделям требуется 5 часов; стоимость составляет менее 1 доллара, тогда как крупные системы обходятся в 100–150 долларов.

Основа скорости и стоимости кроется в методе обучения — модель разработана не для чата, а оптимизирована для поиска. Благодаря компактности и гибкости, модель может одновременно выполнять несколько поисков и переключать стратегии, когда атакующий маршрут оказывается неэффективным. Локальное развёртывание — ещё одно преимущество. Веса модели открыты, а сама модель мала, что позволяет предприятиям хранить проприетарный код на собственных серверах, избегая его загрузки к облачным поставщикам ИИ. Для регулируемых отраслей сохранение кода внутри организации имеет значительную ценность.

Ограничение доступа со стороны Cisco обусловлено соображениями безопасности. Как отмечает Реза Шокри, учёный в области компьютерных наук из Национального университета Сингапура (National University of Singapore), инструменты, способные находить уязвимости, могут быть использованы и злоумышленниками для их эксплуатации; ИИ-агенты уже способны писать больше кода и обладают более мощными возможностями для его использования. В настоящее время Cisco ограничивает доступ академическими, некоммерческими и небольшими группами безопасности государственного сектора, оставляя у себя наиболее производительную модель. Цель компании — гарантировать, что передовая ИИ-защита не станет предметом роскоши, в то время как злоумышленники уже начали использовать собственные ИИ-системы. Cisco считает, что преимущество в противостоянии больше не определяется размером параметров модели, а тем, кто может её реально использовать.