思科小型网络安全模型瞄准漏洞检测

关键信息

据报道，思科称 Antares-350M 按美元计算可发现的漏洞数量大约是 Devin Security Swarm 等大型 AI 代理的 150 倍。思科还对 Axios 表示，它在不到 1 美元的成本下大约 15 分钟就扫描了 500 个代码仓库，而 GPT-5.5 完成同样工作则花了 5 小时、成本超过 100 美元。

资讯摘要

思科发布了两个面向网络安全漏洞检测的小型开放 AI 模型：Antares-350M 和 Antares-1B。公司的核心主张是，这些模型在成本与性能的平衡上，可能明显优于更大的前沿模型。开发者 Aman Priyanshu 在 X 上表示，最小的模型按美元计算发现的漏洞数量大约是 Cognition 的 Devin Security Swarm 等大型 AI 代理的 150 倍。思科还对 Axios 表示，在自家测试中，Antares 只用大约 15 分钟、不到 1 美元就扫描了 500 个代码仓库。相比之下，GPT-5.5 完成同样任务大约需要 5 小时，成本超过 100 美元。

由于这两个模型都可以本地运行，敏感源代码无需离开企业环境。思科的技术报告称，这些模型的训练数据中约 72% 是安全概念数据，15% 是代码搜索历史。与此同时，思科把一个更大的 30 亿参数版本留给自家产品使用，据称它的表现接近 GPT-5.5，并且优于比它大最多 200 倍的开源模型。思科还在探索建立一个面向开放 AI 安全工具的行业联盟。

资讯正文

思科押注其小型开源网络安全模型能够以远低于成本的代价，在漏洞检测上胜过 GPT-5.5

思科发布了两款面向网络安全的小型开源 AI 模型。Antares-350M 和 Antares-1B 可用于在软件代码中发现漏洞。思科的卖点是性价比。开发者 Aman Priyanshu 在 X 上声称，最小的模型每花 1 美元发现的漏洞数量，大约是 Cognition 的 Devin Security Swarm 之类大型 AI 代理的 150 倍。根据 Axios 报道，思科在自有测试中显示，Antares 只用不到 1 美元，约 15 分钟就扫描了 500 个代码仓库；而 GPT-5.5 完成同样的任务花了 5 个小时，成本超过 100 美元。

这两款模型都可本地运行，因此敏感代码无需离开公司。技术报告称，这些模型大约有 72% 的训练数据来自安全概念数据，另外 15% 来自代码搜索历史。

思科将保留一个更大的 30 亿参数版本用于自家产品。报道称，该版本的表现接近 GPT-5.5，并且在与体量最高可达其 200 倍的开源模型对比中也能胜出。该公司还在探索组建一个面向开源 AI 安全工具的行业联盟。

来源与参考

1. 原始链接
2. Cisco bets its small open cybersecurity models can outperform GPT-5.5 at vulnerability detection for a fraction of the cost