思科基金会AI推出Antares：用于代码漏洞检测的紧凑模型

思科基金会人工智能（AI）宣布推出Antares——一系列专注于漏洞定位这一狭窄任务的小型安全语言模型（SLM）。两款开放权重的模型Antares-350M和Antares-1B已在Hugging Face上以Apache 2.0许可证发布；第三款模型Antares-3B尚未发布。同时公开的还有相同许可证下的基准测试VLoc Bench（500个任务）。这些模型在代理循环中工作：它们接收漏洞类型描述（CWE），并可在隔离的Docker容器中执行多达15条命令，探索代码仓库。结果显示，Antares-1B的File F1得分为0.209，高于753B参数的GLM-5.2模型（0.186）和Gemini 3 Pro。最强版本Antares-3B（0.223）略逊于GPT-5.5（0.229）。所有三款模型均从IBM Granite 4.0的基础检查点初始化，未经微调时得分为零。性能提升主要来自监督微调，而GRPO进一步增加了11%~25%的File F1得分，并将结果方差降低了42%~65%。在单个H100上完整运行500个任务成本不到1美元。思科强调，Antares并非取代现有安全工具，而只是自动化了分类的第一阶段。