在软件供应链安全日益受到重视的当下，网络防御工具正迎来一场由人工智能驱动的变革。近日，网络巨头思科（Cisco）旗下的 Foundation AI 团队正式对外发布了名为 Antares 的新一代开源模型家族。这款模型的核心使命非常明确：帮助开发者和安全研究人员在海量的代码库中迅速、精准地定位已知的软件漏洞。
Antares 家族包含两个主要参数量级的模型——350M 和 1B。值得注意的是，与以往动辄数千亿参数的“巨无霸”模型不同，Antares 属于轻量级模型。然而，这种“小身材”却蕴含着惊人的“大能量”。在最新的漏洞定位基准测试中，Antares-1B 模型取得了 0.209 的文件 F1 分数，这一成绩不仅超越了拥有 7530 亿参数的 GLM-5.2，甚至在某些指标上表现优于谷歌的 Gemini 3 Pro。这一结果在业界引起了不小的震动，因为它证明了通过精细的指令微调，小模型完全有能力在特定垂直领域达到甚至超越通用大模型的水平。
为了深入了解 Antares 的技术突破，我们需要关注其背后的架构。官方数据显示，Antares 模型是在未经过训练的 Granite 4.0 检查点基础上进行后训练的。这意味着，Antares 的绝大部分智能并非来自于庞大的预训练过程，而是通过针对性的指令微调和人类反馈强化学习（RLHF）等后训练技术激发出来的。这种“四两拨千斤”的训练方式，极大地降低了模型获取特定能力的成本。
除了性能上的突破，Antares 在成本效益方面的表现同样亮眼。在单块 NVIDIA H100 GPU 上，运行一次包含 500 个任务的完整漏洞扫描，Antares 模型仅需约 13 分钟，且总成本不到 1 美元。相比之下，即便是目前业界顶尖的闭源模型 GPT-5.5，在处理同等规模任务时，成本高达 141 美元。这一巨大的成本差异，对于追求高性价比和实时性的企业级应用场景来说，无疑是一个极具吸引力的选项。
此外，开源属性赋予了 Antares 更广阔的应用前景。企业可以在本地私有化部署 Antares，这不仅意味着数据处理和敏感代码不会泄露给第三方云服务，同时也解决了大型闭源模型高昂的 API 调用成本问题。这对于金融、医疗、政府等对数据隐私有极高要求的行业而言，是极具吸引力的选择。开发者可以将其集成到 CI/CD（持续集成/持续部署）流水线中，作为自动化代码审计的第一道防线。
总的来说，Cisco Foundation AI 发布的 Antares 模型，不仅展示了轻量级模型在特定垂直任务上的巨大潜力，也为软件安全领域提供了一个高效、经济且隐私友好的新选择。随着开源生态的不断完善，我们有理由期待更多像 Antares 这样的工具出现，共同构筑更安全的数字世界。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/07/21/cisco-foundation-ai-releases-antares-350m-and-1b-open-weight-models-that-localize-known-vulnerabilities-inside-real-codebases/
