Cisco Foundation AI brengt Antares uit: compacte modellen voor lokalisatie van codekwetsbaarheden

Cisco Foundation AI heeft Antares uitgebracht, een familie van kleine taalmodellen (small language models, SLM's) voor beveiliging, specifiek ontworpen voor kwetsbaarheidslokalisatie: gegeven een kwetsbaarheidsbeschrijving en een repository vinden ze de bestanden die de fout bevatten. Twee modellen, Antares-350M en Antares-1B, zijn beschikbaar met open gewichten onder Apache 2.0 op Hugging Face. Cisco heeft ook de Vulnerability Localization Benchmark (VLoc Bench) uitgebracht, een agentische evaluatie met 500 taken, onder dezelfde licentie. De Antares-modellen zijn decoder-only transformatoren gebaseerd op IBM Granite 4.0-checkpoints. Het 1B-model behaalt een File F1-score van 0,209 op VLoc Bench, hoger dan GLM-5.2 met 753B parameters (0,186) en Gemini 3 Pro, terwijl GPT-5.5 een score van 0,229 behaalt. Het 3B-model (niet uitgebracht) scoort 0,223. Supervised fine-tuning (SFT) en reinforcement learning via GRPO leverden significante verbeteringen op; GRPO voegde 11-25% File F1 toe en verminderde de variantie met 42-65%. Een volledige sweep van 500 taken kost minder dan $1 op één H100, vergeleken met $12,50 voor GLM-5.2 en $141 voor GPT-5.5.