Анализатор по сигурността отваря непознато хранилище, преглежда бюлетин за сигурност и започва да търси файла, в който се намира уязвимостта. Конвенциите за именуване принадлежат на някой друг. Доказателствата са разпръснати в различни ъгли на кодова база, съдържаща хиляди файлове.

Този първи етап на триаж губи часове и експертен опит, и точно това е частта, която Cisco цели да ускори. Днес компанията пусна Antares – фамилия от малки езикови модели, създадени да насочват анализаторите към изходните файлове, за които е най-вероятно да съдържат известна уязвимост. Два от тях, Antares-350M и Antares-1B, се разпространяват като модели с отворен ресурс (open-weight) в Hugging Face. По-големият Antares-3B предстои да бъде пуснат.

Компактните модели работят на локален хардуер или в инфраструктура на организацията (on-premises), така че екипът запазва поверителния изходен код зад собствените си стени и избягва изпращането му до облачен доставчик. Те струват по-малко за всяка задача.

Cisco насочва Antares към университети, институции от публичния сектор, изследователски центрове и по-малки екипи по сигурност. Тези организации поддържат важен софтуер с ограничени бюджети, а моделите, консумиращи голям брой токени, са били извън техните възможности.

Моделите търсят по начина, по който търси човек

Всеки модел анализира кодовото хранилище така, както би го направил разследващ специалист. Той започва от описанието на уязвимостта, търси съответстващи модели в кода, чете потенциални файлове, приема нови доказателства, връща се назад, когато дадена следа не води наникъде, и стеснява търсенето до важните файлове. Резултатът е класиран списък с изходни файлове, придружен от терминалната следа (terminal trace), която го е генерирала.

Подходът произлиза от ранни изследвания на Cisco Foundation AI, които показват, че компактните модели могат да се научат да търсят, да анализират, да коригират стратегията си и да се връщат назад. Това изследване сочи към важен извод за мащабирането: полезното поведение при търсене и извличане може да произтича от научени стратегии за търсене при скромни размери на модела.

Antares се справя с една стъпка от по-дълга верига. Останалата част от инструментариума за сигурност на приложенията остава на мястото си, включително анализът на зависимостите и софтуерния състав (SCA), сканирането за тайни/ключове, динамичното тестване, моделирането на заплахи и експертната проверка.

Стандартните тестове за кодиране (coding benchmarks) измерват различна задача. Те проверяват дали агент може да открие код, свързан със софтуерен проблем или задача за разработка. Antares работи с описания на сигурността и бюлетини от тип CWE.

Затова Cisco създаде Vulnerability Localization Benchmark – набор от 500 записа, които изискват от модела да се ориентира в непозната кодова база и да открива модели, свързани със специфични CWE категории. Най-близката предишна разработка е CodeScout, която оценява базирани на терминал агенти за търсене на код върху тестови пакети като SWE-Bench Verified и показва, че локализирането на код може да се измерва със стандартен Unix терминал.

Според F1 резултата от бенчмарка, моделите Antares се нареждат близо до върха сред значително по-големи системи. Antares-3B (предстоящият модел) се класира сред лидерите, близо до най-силните конфигурации на GPT-5.5. Antares-1B изпреварва GLM-5.2 и Gemini 3 Pro, въпреки че е неколкократно по-малък от тях.

При тестването моделите Antares работят на нищожна част от цената на по-големите системи, изпитвани от Cisco. Разликата е значителна на върха в класирането.

GPT-5.5, най-силният модел със затворен код в сравнението, струва около 141 долара на оценка.

Фамилията Antares върши същата работа около 172 пъти по-евтино.

Най-добрият модел с отворен ресурс в набора, GLM-5.2, струва около 12.50 долара на оценка.

В сравнение с него Antares работи около 15.2 пъти по-евтино. Времето за изпълнение се движи по същия начин – моделите Antares приключват бързо, докато на най-големия модел със затворен код са му необходими няколко часа.

Разликата в цената привлече вниманието и извън Cisco. Амин Сабери, професор по инженерна мениджмънт наука в Станфордския университет, я свързва с това кой получава възможност да защитава своя код:

„Сигурността не може да бъде луксозна стока, но въпреки това усъвършенстваната детекция, базирана на изкуствен интелект, до голяма степен бе достъпна само за организации с огромни бюджети. Резултатите на Antares променят това уравнение: точност, близка до водещите модели при анализиране на сигурен код, на част от цената, и достатъчно бързо, за да се изпълнява при всеки commit. Във момент, когато атакуващите вече използват AI, този вид ефективност не е просто удобство, а това, което прави непрекъснатото сканиране за сигурност възможно за всеки екип.“

Antares се присъединява към две по-ранни издания на Cisco, насочени към други части на същия проблем: Foundry Security Spec (шаблон за оценка на сигурността чрез агенти) и CodeGuard (корпус от правила за писане на сигурен по подразбиране код). Везисите на 350M и 1B са налични в Hugging Face в момента. Antares-3B предстои да бъде пуснат.