Cisco Foundation AI publie Antares : des modèles compacts pour la localisation des vulnérabilités de code

Cisco Foundation AI a dévoilé Antares, une famille de modèles de langage de sécurité de petite taille (SLM) conçus spécifiquement pour la localisation de vulnérabilités : à partir d'une description de vulnérabilité et d'un dépôt, ils identifient les fichiers contenant la faille. Deux modèles, Antares-350M et Antares-1B, sont disponibles en open weight sous licence Apache 2.0 sur Hugging Face. Cisco a également publié le benchmark de localisation de vulnérabilités (VLoc Bench), une évaluation agentique de 500 tâches, sous la même licence. Les modèles Antares sont des transformeurs decoder-only basés sur les points de contrôle IBM Granite 4.0. Le modèle 1B atteint un File F1 de 0,209 sur VLoc Bench, surpassant GLM-5.2 avec 753 milliards de paramètres (0,186) et Gemini 3 Pro, tandis que GPT-5,5 obtient un score de 0,229. Le modèle 3B (non publié) obtient 0,223. Le fine-tuning supervisé (SFT) et l'apprentissage par renforcement via GRPO ont apporté des gains significatifs ; GRPO a augmenté le File F1 de 11 à 25 % et réduit la variance de 42 à 65 %. Un balayage complet de 500 tâches coûte moins d'un dollar sur un H100, contre 12,50 dollars pour GLM-5.2 et 141 dollars pour GPT-5,5.