Cisco Foundation AI présente Antares : des modèles compacts pour la détection de vulnérabilités dans le code

Cisco Foundation AI a annoncé Antares, une famille de petits modèles de langage (SLM) spécialisés dans la tâche étroite de localisation de vulnérabilités. Deux modèles aux poids ouverts, Antares-350M et Antares-1B, sont déjà disponibles sur Hugging Face sous licence Apache 2.0 ; un troisième modèle, Antares-3B, n'a pas encore été publié. Un benchmark, VLoc Bench (500 tâches), est également publié sous la même licence. Les modèles fonctionnent en cycle agent : ils reçoivent une description du type de vulnérabilité (CWE) et peuvent exécuter jusqu'à 15 commandes dans un conteneur Docker isolé pour explorer le dépôt. Les résultats montrent qu'Antares-1B atteint un File F1 de 0,209, supérieur à celui du modèle GLM-5.2 avec 753B paramètres (0,186) et Gemini 3 Pro. La version la plus puissante, Antares-3B (0,223), est légèrement inférieure à GPT-5.5 (0,229). Les trois modèles sont initialisés à partir des points de contrôle de base IBM Granite 4.0, qui donnent un résultat nul sans affinage. Le gain principal provient du fine-tuning supervisé, puis GRPO ajoute 11 à 25 % de File F1 et réduit la dispersion des résultats de 42 à 65 %. L'exécution complète des 500 tâches coûte moins d'un dollar sur un seul GPU H100. Cisco souligne qu'Antares ne remplace pas les outils de sécurité existants, mais automatise uniquement la première étape du triage.