Cisco Foundation AI stellt Antares vor: Kompakte Modelle zur Erkennung von Schwachstellen im Code

Cisco Foundation AI hat Antares angekündigt – eine Familie kleiner Sprachmodelle (Small Language Models, SLMs) für die Sicherheit, die auf die enge Aufgabe der Schwachstellenlokalisierung spezialisiert sind. Zwei Modelle mit offenen Gewichten, Antares-350M und Antares-1B, sind bereits auf Hugging Face unter der Apache-2.0-Lizenz verfügbar; ein drittes Modell, Antares-3B, wurde noch nicht veröffentlicht. Zusammen mit ihnen wurde der Benchmark VLoc Bench (500 Aufgaben) unter derselben Lizenz veröffentlicht. Die Modelle arbeiten in einem Agenten-Zyklus: Sie erhalten eine Beschreibung des Schwachstellentyps (Common Weakness Enumeration, CWE) und können bis zu 15 Befehle in einem isolierten Docker-Container ausführen, um ein Repository zu untersuchen. Die Ergebnisse zeigen, dass Antares-1B einen File F1 von 0,209 erreicht, was über den Werten des Modells GLM-5.2 mit 753 Milliarden Parametern (0,186) und Gemini 3 Pro liegt. Die stärkste Version Antares-3B (0,223) liegt knapp hinter GPT-5.5 (0,229). Alle drei Modelle werden aus den Basischeckpoints von IBM Granite 4.0 initialisiert, die ohne Feintuning ein Null-Ergebnis liefern. Der Hauptgewinn wird durch überwachtes Feintuning (supervised fine-tuning) erzielt, und anschließend fügt GRPO 11–25 % File F1 hinzu und reduziert die Streuung der Ergebnisse um 42–65 %. Ein vollständiger Durchlauf von 500 Aufgaben kostet weniger als 1 Dollar auf einer einzigen H100. Cisco betont, dass Antares nicht bestehende Sicherheitstools ersetzt, sondern lediglich die erste Phase der Triagierung automatisiert.