思科推出 Antares 小语言 AI 模型，专为“定位漏洞”设计

AI 总结
• 7 月 22 日，思科宣布推出 Antares 系列小语言模型，专门用于辅助安全人员进行漏洞定位，目前已发布 350M 和 1B 参数版本。
• 该模型设计目的并非自主发现未知漏洞，而是根据 CWE 漏洞类型搜索代码库并输出检查报告，以提升人工审查效率。
• 在思科进行的漏洞定位基准测试中，Antares-1B 的漏洞文件检出率达到 22.4%，在所有

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。



[来源链接] https://www.ithome.com/0/980/239.htm