广东
日前，思科在官方博客上宣布，其Foundation AI 团队已推出安全小语言模型（SLM）Antares，该系列模型专攻最耗时、也最烧钱的一类安全工作——在庞大代码库里精准定位已知漏洞藏在哪个文件、哪一行。目前 350M 与 1B 两个版本已作为开源模型上架 Hugging Face，更大的 Antares-3B 也预告推出。
官方称，这两款"小而专"的模型在新设计的漏洞定位基准测试（500 个任务）中，以极低推理成本跑赢十余款更大、含闭源在内的主流模型；更关键的是可本地运行，敏感代码无需上云即可排查。在不少观察者看来，这延续了思科近一年围绕"负责任、可度量地落地 AI 安全"的组合拳。
其思路近似人类调查员：从漏洞描述出发，搜索代码模式、读取候选文件、走不通就回退，逐步收敛到最可能有问题的几个文件，给出排序清单与轨迹。思科也划清边界——它不取代依赖分析、密钥扫描、动态测试等整套工具链。
新加坡国立大学副教授 Reza Shokri 称，看到这么小的模型在代码库里揪出本需更大模型或更多人工才能发现的问题，"确实让人眼前一亮"；而斯坦福大学语言、数据与推理实验室主任 Amin Saberi 直言："安全不该是奢侈品，但先进 AI 检测长期属于有前沿预算的组织，Antares 改变了这个等式。"在攻击者已在用 AI 的当下，这种效率让"全天候安全扫描"对每支团队都成为可能。
Antares 并非孤立。此前思科已推 Foundry Security Spec 与 CodeGuard，分别定义智能体安全评估蓝图、把"默认安全"规则嵌入 AI 编程智能体。三者逻辑清晰：规格框住外壳、CodeGuard 抬高预防下限、Antares 补上最贵的"事后定位"。开放权重、配上基准与知识，正是为降低中小团队用上 AI 防御的门槛。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
