思科开源Antares小模型，350M版本定位漏洞成本仅GPT-5.5的1/172

近日，网络巨头思科在其官方博客上正式宣布推出Antares系列小语言模型（SLM），这一举措被视为其在AI安全领域的重要布局。根，Antares系列模型目前包含350M、1B以及即将推出的3B参数版本，均已在Hugging Face平台开源。

与传统大型AI模型相比，Antares系列模型具有显著的成本优势。数据显示，在相同的漏洞定位任务中，350M版本的Antares模型运行成本仅为GPT-5.5的1/172，而1B版本也仅为后者的1/15.2。这种成本优势主要得益于其轻量化设计和本地化部署能力，使得企业无需将敏感代码上传至云端即可完成安全检测。

思科表示，Antares系列模型并非用于发现未知漏洞，而是专注于帮助安全人员快速定位代码库中的已知漏洞。通过分析CWE漏洞类型及相关描述，模型能够利用终端命令搜索代码库，并输出检查报告，从而大幅提升人工审查效率。在一项涵盖290个真实代码库、147种CWE漏洞类型的基准测试中，1B版本的Antares模型在漏洞文件检出率方面达到22.4%，略高于GPT-5.5的22.1%。

新加坡国立大学副教授Reza Shokri对Antares的表现给予了高度评价："看到这么小的模型能够在代码库中发现本需更大模型或更多人工才能识别的问题，确实让人眼前一亮。"斯坦福大学语言、数据与推理实验室主任Amin Saberi则指出："安全不应该成为奢侈品，但先进AI检测长期属于有前沿预算的组织。Antares的推出改变了这个等式，让全天候安全扫描对每支团队都成为可能。"

值得注意的是，Antares系列模型只是思科AI安全解决方案的一部分。此前，思科已经推出了Foundry Security Spec和CodeGuard，分别用于定义智能体安全评估蓝图和将默认安全规则嵌入AI编程智能体。这三者共同构成了一个完整的AI安全防护体系：Foundry Security Spec规范了安全框架，CodeGuard提高了预防下限，而Antares则补充了最昂贵的"事后定位"环节。

尽管Antares系列模型在成本和效率上具有明显优势，但思科也强调，该模型只能作为辅助工具使用。企业仍需要结合依赖组件分析、软件组成分析（SBOM）、敏感信息扫描、动态安全测试、威胁建模、漏洞修复以及人工安全审查等多种措施，才能建立完整的软件安全防护体系。

随着攻击者越来越多地利用AI技术进行网络攻击，这种高效率、低成本的安全工具显得尤为重要。Antares系列模型的推出不仅降低了中小企业的AI安全应用门槛，也为整个行业提供了新的思路：通过模块化、分层式的AI安全解决方案，可以更有效地应对日益复杂的网络安全挑战。