搜索助手，而非漏洞检测器
思科押注企业会认可人工智能的价值，即它能快速识别出少数值得人类软件漏洞研究人员深入调查的文件。思科推出了一系列名为Antares的开放权重人工智能模型，称这些模型能帮助安全团队在深入调查之前，找出软件仓库中可能存在漏洞的部分。这些模型并非用于检测特定的通用漏洞披露（CVE）或生成补丁，而是仅依据通用弱点枚举（CWE）描述来搜索代码库，并返回最有可能包含该类漏洞的文件。
思科的人工智能研究员Supriti Vijay通过电子邮件表示：“其目的是将庞大的代码库精简为一组重点文件，供安全专家或下游安全工作流程进行调查。目标并非取代安全工程师的判断，也不是让他们做无用功，而是通过帮助他们更早地对问题进行分类，并将调查重点放在代码库中最相关的部分，从而减轻疲劳和工作量。”
Antares系列包含参数分别为3.5亿、10亿和30亿的模型，这些模型是专门为仓库级别的漏洞定位而训练的。该公司称，其最大的模型在内部漏洞定位（Vloc）基准测试中接近GPT - 5.5的性能，同时又足够小，可进行低成本的本地部署。
搜索助手，而非漏洞检测器
思科谨慎地定义了Antares的功能范围。思科基础人工智能首席科学家Amin Karbasi在一篇博客文章中写道：“Antares会输出一个可能包含相关漏洞的源文件排名列表，以及得出该结果的终端探索轨迹。”他还补充说，这些模型并非要取代更广泛的应用程序安全工具链，仍需人工分析师或下游安全工具来确认漏洞的可利用性、识别有漏洞的代码行、评估严重程度并生成修复方案。
Antares与传统的静态分析平台（如Semgrep或CodeQL）不同，后者主要依赖预定义的规则或查询。思科则将Antares描述为一个基于证据的探索代理，它会在遍历仓库的过程中调整搜索策略。思科认为，大型仓库通常包含数千个文件，手动审查既耗时又不现实。通过将搜索范围缩小到可管理的短名单，该公司希望在不取代人类判断的情况下，减轻调查工作的疲劳。
强调专业化而非规模
思科还阐述了网络安全模型应如何发展。思科认为，与追求更大的基础模型相比，针对特定任务训练的专业化模型在漏洞定位方面可以胜过规模大得多的开放权重模型。在评估中，专为单GPU部署设计的最大模型Antares - 3B产生的结果与GPT - 5.5相当，同时在性能上超过了谷歌、OpenAI和Meta推出的几个规模大得多的开放模型。
该系列还包括适用于资源受限环境的Antares - 350M，以及适用于笔记本电脑和工作站的Antares - 1B，思科已将它们作为开放权重模型发布在Hugging Face上。这些模型的命令行界面（CLI）支持有针对性的CWE调查、全仓库扫描、SARIF输出和本地推理，思科称这能让企业将专有代码保留在自己的信任边界内。
然而，由于Antares只是识别候选文件，而非已确认的漏洞，企业仍需考虑全仓库搜索的频率、对现有分类工作流程的改进程度，以及调查工作量的减少是否最终能转化为可衡量的安全或成本效益。
分类标签：安全软件、安全、人工智能、开发工具、软件开发、代码安全
