思科新出的 Antares 模型专门帮你定位代码漏洞，1B 版本性能比 GPT-5.5 还高一点，还能本地部署保护数据安全。
思科发布 Antares 系列小语言模型，包含 350M 和 1B 参数版本，后续将推出 3B 版本。该模型专门用于辅助安全人员进行漏洞定位，而非自主发现漏洞。在思科漏洞定位基准测试（涵盖 290 个真实代码库、147 种 CWE 类型、500 项任务）中，Antares-1B 漏洞文件检出率达 22.4%，略高于 GPT-5.5 的 22.1%。Antares 模型可本地或企业内网部署，兼具轻量与隐私优势，但功能有限，需与组件分析、SBOM 等措施配合。
思科推出 Antares 小语言 AI 模型，专为“定位漏洞”设计
IT之家 7 月 22 日消息，思科发文，宣布推出 Antares 系列小语言模型，相应模型专门用于定位漏洞，目前官方已在 Hugging Face（ 点此访问 ）发布 350M 和 1B 参数版本，后续还将推出 30 亿参数（3B）版本。 据介绍，Antares 并非能够自主发现未知漏洞的 AI 模型，其设计目的是帮助安全人员进行漏洞定位（Vulnerability Localization），模型在获取 CWE 漏洞类型及相关描述后，会利用终端命令搜索代码库，输出检查报告，以便帮助安全人员提升人工审查效率。 为了评估 Antares 模型性能，思科进行了一项漏洞定位基准测试（Vulnerability Localization Benchmark），该测试涵盖 290 个真实代码库、147 种 CWE 漏洞类型以及 500 项测试任务。根据思科公布的技术报告，Antares-1B 在漏洞文件检出率（Recall）方面达到 22.4%， 在所有参与测试的模型中排名最高，略高于 GPT-5.5 的 22.1% 。 思科表示，由于 Antares 模型规模较小，可以直接部署在本地环境、企业内网中运行，具有轻量化、隐私化特点。 不过其本身功能有限，只能用作辅助用途 ，企业仍需要结合依赖组件分析、软件组成分析（SBOM）、敏感信息扫描、动态安全测试、威胁建模、漏洞修复以及人工安全审查等措施，才能建立完整的软件安全防护体系。