Cisco 推出了兩款專為資安應用設計的開源人工智慧模型。這些模型名為 Antares-350M 和 Antares-1B，旨在識別軟體程式碼中的安全漏洞，為組織提供相較大型商用 AI 系統更具成本效益的替代方案。

這些模型可在 Hugging Face 取得。Cisco 的主要訴求聚焦於效率與價值。開發者 Aman Priyanshu 在 X 上表示，最小的模型 Antares-350M，與 Cognition 的 Devin Security Swarm 等大型 AI 代理相比，每花費 1 美元可偵測到的漏洞數量約高出 150 倍。

根據 Axios 報導，Cisco 的內部基準測試顯示，Antares 在約 15 分鐘內掃描了 500 個程式碼儲存庫，成本低於 1 美元。相比之下，OpenAI 的 GPT-5.5 執行相同任務耗時 5 小時，成本超過 100 美元。

Antares 模型的一項顯著優勢，是能夠在組織自身基礎架構上本機執行，這意味著敏感原始碼不會離開公司的環境。對於處理專有或受監管程式碼庫的企業而言，這回應了一項重要疑慮，因為外部 AI 服務可能引發資料治理、合規與機密性問題。

此次發布也符合 AI 安全工具更廣泛的發展趨勢：轉向較小、針對特定任務的模型，這些模型可整合進開發者工作流程、程式碼審查與漏洞分流，而不需要通用前沿模型所需的基礎架構規模。對資安團隊而言，實際考驗將是這些模型在其自身程式碼庫上的表現，包括誤報、漏報漏洞，以及與既有應用程式安全流程的相容性。

根據 Cisco 的技術報告，這些模型的訓練資料約 72 percent 為安全概念資料，15 percent 為程式碼搜尋歷史，反映出其訓練方法高度聚焦於資安領域知識。

Cisco 將保留一個參數量達 30 億的較大型 Antares 版本，用於其自身產品的內部用途。據稱該版本的表現接近 GPT-5.5，並優於規模最高達其 200 倍的開源模型，顯示針對特定任務的訓練可在不承擔通用大型語言模型運算負擔的情況下取得強勁成果。

該公司也表示，正在探索成立一個專注於開放 AI 安全工具的產業聯盟，這可能代表資安社群將在共享、AI 驅動的防禦能力方面展開更廣泛合作。