Cisco wprowadziło dwa modele sztucznej inteligencji o otwartym kodzie źródłowym, zaprojektowane specjalnie do zastosowań w cyberbezpieczeństwie. Modele o nazwach Antares-350M i Antares-1B zostały stworzone do identyfikacji luk bezpieczeństwa w kodzie oprogramowania, oferując organizacjom opłacalną alternatywę dla wielkoskalowych komercyjnych systemów AI.

Modele są dostępne na platformie Hugging Face. Główny argument Cisco koncentruje się na wydajności i wartości. Deweloper Aman Priyanshu oświadczył na X, że najmniejszy model, Antares-350M, wykrywa około 150 razy więcej luk na każdego wydalonego dolara w porównaniu z dużymi agentami AI, takimi jak Devin Security Swarm firmy Cognition.

Zgodnie z informacjami Axios, wewnętrzne testy porównawcze Cisco wykazały, że Antares przeskanował 500 repozytoriów kodu w około 15 minut za mniej niż jednego dolara. Dla porównania, GPT-5.5 od OpenAI potrzebował pięciu godzin i poniósł koszty przekraczające 100 dolarów za to samo zadanie.

Istotną zaletą modeli Antares jest możliwość uruchamiania ich lokalnie na własnej infrastrukturze organizacji, co oznacza, że wrażliwy kod źródłowy nigdy nie opuszcza środowiska firmy. Rozwiązuje to istotny problem dla przedsiębiorstw zarządzających zastrzeżonymi lub podlegającymi regulacjom bazami kodu, w przypadku których zewnętrzne usługi AI mogą rodzić pytania dotyczące zarządzania danymi, zgodności z przepisami oraz poufności.

Wydanie to wpisuje się również w szerszy trend w narzędziach AI bezpieczeństwa, zmierzający w kierunku mniejszych, wyspecjalizowanych modeli, które można zintegrować z przepływami pracy deweloperów, przeglądem kodu i segregacją luk — bez konieczności utrzymywania infrastruktury wymaganej przez ogólnego przeznaczenia modele frontier. Dla zespołów ds. bezpieczeństwa praktycznym sprawdzianem będzie to, jak dobrze te modele radzą sobie z ich własnymi bazami kodu, w tym pod kątem fałszywych alarmów, przeoczonych luk oraz zgodności z istniejącymi procesami bezpieczeństwa aplikacji.

Zgodnie z raportem technicznym Cisco, modele zostały wytrenowane na około 72 procentach danych związanych z koncepcjami bezpieczeństwa oraz 15 procentach historii wyszukiwania kodu, co odzwierciedla metodykę treningu silnie ukierunkowaną na wiedzę domenową z zakresu cyberbezpieczeństwa.

Cisco zachowuje większą, trzybiliardową wersję parametrową modelu Antares do użytku wewnętrznego we własnych produktach. Według doniesień wersja ta osiąga wydajność zbliżoną do GPT-5.5 i przewyższa modele open-source do 200 razy większe od niej, co sugeruje, że trening ukierunkowany na konkretne zadania może przynosić doskonałe rezultaty bez nakładów obliczeniowych typowych dla ogólnego przeznaczenia dużych modeli językowych.

Firma wskazała również, że bada możliwość utworzenia konsorcjum branżowego dedykowanego otwartym narzędziom AI bezpieczeństwa, co może sygnalizować szerszą współpracę w społeczności cyberbezpieczeństwa w zakresie wspólnych, opartych na AI zdolności obronnych.