Cisco
2026-07-22
Cisco发布Antares开源AI漏洞定位模型：小模型以1/100成本匹敌GPT-5.5
内容摘要
核心要点
2026年7月22日，Cisco Foundation AI团队发布Antares系列开源权重AI模型，专门用于代码库漏洞定位。模型包括Antares-350M和Antares-1B（开源权重，Hugging Face），以及Antares-3B（Cisco自用，集成安全产品）。其工作模式为搜索代码库、阅读候选文件、回溯、分层输出最可能含漏洞的文件排序。
性能对比显示，在Vulnerability Localization Benchmark（500任务）上，Antares-1B击败Google Gemini 3 Pro，Antares-3B超越Z.ai GLM-5.2并接近OpenAI GPT-5.5。速度方面，500个代码仓库扫描：Antares仅需15分钟，而GPT-5.5需5小时，速度比20x。成本方面，Antares扫描约1美元（150日元），GPT-5.5需100-150美元（16,300日元），成本比100-150x。
Cisco强调模型训练为“搜索而非聊天”，类似“自行车在伦敦繁忙街道绕过卡车”。开源权重模式允许企业本地部署，适配CI/CD流水线。适用场景包括受监管行业、大学、中小安全团队等。Cisco控制访问权限以防止被用于漏洞利用。Cisco承认Antares不替代完整应用安全平台，仍需依赖分析、Secret扫描等。
重要性说明
表面上，Cisco发布Antares是推动安全AI民主化，实则是在防守Palo Alto Networks和CrowdStrike等厂商在AI安全领域的攻势。通过开源权重模型，Cisco试图建立漏洞定位的标准工具，从而将自身安全产品（如Cisco SecureX）置于分析流水线的核心，实现隐性锁定。
然而，原文刻意淡化Antares的局限性：该模型仅针对已知CWE的漏洞定位，对未知漏洞（0-day）无能为力；且训练数据可能偏重特定语言（如Python、Java），对其他语言的覆盖不足。此外，虽然推理成本低，但企业若要在CI/CD中大规模部署，仍需Cisco的配套基础设施或审批流程，这实际上增加了对Cisco生态的依赖。
从工程角度看，Antares的‘搜索而非聊天’模式虽然高效，但在处理超大型代码库时可能面临上下文窗口限制和检索精度下降的问题，GPT-5.5等通用模型在需要深度推理时仍具优势。Cisco控制访问权限也引发了关于真正开源和社区信任的疑虑。
PRO 决策建议
【厂商】竞争对手如Palo Alto Networks和CrowdStrike应强调Antares的局限性：仅覆盖已知CWE，无法检测0-day；模型可能偏重特定语言；且需要Cisco审批，并非真正开源。可推出自己的开源或专有模型，专注于更广泛的漏洞检测和修复建议，并强调与CI/CD深度集成无需额外审批。
【企业】CIO和架构师应进行零信任技术审计：评估Antares是否真正满足代码库需求，特别是多语言支持和未知漏洞检测能力。不要被低成本迷惑，需考虑部署所需的基础设施和Cisco依赖。要求Cisco提供模型训练数据详情和性能基准的独立验证。考虑使用可移植的开源工具链，避免锁定。
【投资者】应看穿Cisco此举是试图从网络硬件转向高利润AI安全软件，但竞争激烈。Antares的开源策略可能压低安全AI工具的整体价格，影响现有安全厂商的利润率。长期关注Cisco能否通过集成增加安全产品收入，但短期可能只是公关胜利。
觉得这篇分析有用？
每周收到3-5条AI基础设施关键信号 →
💬 评论 (0)