思科基金会AI发布Antares：用于代码漏洞定位的紧凑模型

思科基金会AI发布了Antares，这是一系列专为漏洞定位设计的安全小语言模型（SLM）。给定一个漏洞描述和一个代码库，它们可以找到包含该缺陷的文件。两个模型，Antares-350M和Antares-1B，在Apache 2.0许可证下以开放权重形式在Hugging Face上提供。思科还发布了漏洞定位基准（VLoc Bench），一个包含500个任务的智能体评估，采用相同的许可证。Antares模型是基于IBM Granite 4.0检查点的纯解码器Transformer。1B模型在VLoc Bench上达到0.209的File F1，高于拥有753B参数的GLM-5.2（0.186）和Gemini 3 Pro，而GPT-5.5得分为0.229。3B模型（未发布）得分为0.223。监督微调（SFT）和通过GRPO的强化学习带来了显著提升；GRPO使File F1提高了11-25%，并将方差降低了42-65%。在单个H100上，完成一次完整的500任务扫描成本低于1美元，而GLM-5.2需要12.50美元，GPT-5.5需要141美元。