思科推出了两款专为网络安全应用设计的开源人工智能模型。这两款模型分别名为Antares-350M和Antares-1B，旨在识别软件代码中的安全漏洞，为企业提供了一种比大规模商业AI系统更具成本效益的替代方案。

这两款模型已在Hugging Face上发布。思科的核心卖点集中在效率和性价比上。开发者Aman Priyanshu在X上表示，最小的模型Antares-350M每美元检测出的漏洞数量约为Cognition的Devin Security Swarm等大型AI代理的150倍。

据Axios报道，思科的内部基准测试显示，Antares在大约15分钟内扫描了500个代码仓库，成本不到一美元。相比之下，OpenAI的GPT-5.5完成相同任务需要五个小时，成本超过100美元。

Antares模型的一个显著优势是能够在企业自己的基础设施上本地运行，这意味着敏感源代码永远不会离开公司环境。这解决了处理专有或受监管代码库的企业所面临的一个重大问题——外部AI服务可能引发数据治理、合规性和保密性方面的疑虑。

此次发布也契合了AI安全工具领域更广泛的趋势——向更小、特定任务的模型转变，这些模型可以集成到开发者工作流、代码审查和漏洞分类中，而无需通用前沿模型那样的基础设施规模。对于安全团队而言，实际考验将是这些模型在自己的代码库上的表现如何，包括误报率、漏报率以及与现有应用安全流程的兼容性。

根据思科的技术报告，这些模型在大约72%的安全概念数据和15%的代码搜索历史数据上进行训练，反映出一种高度侧重于网络安全领域知识的训练方法。

思科正在为自身产品的内部使用保留一个更大的三十亿参数版本的Antares。据报道，该版本的性能接近GPT-5.5，并优于规模达其200倍的开源模型，这表明针对特定任务的训练可以在无需通用大语言模型那样计算开销的情况下产生出色的结果。

该公司还表示正在探索成立一个致力于开源AI安全工具的行业联盟，这可能预示着网络安全社区在共享的AI驱动防御能力方面将展开更广泛的合作。