思科（Cisco）旗下 Cisco Foundation AI 於昨日（21日）宣布推出名為 Antares 的輕量級語言模型（SLM），旨在提供軟體原始碼漏洞檢測的低成本解決方案。Antares 家族目前包含 Antares-350M 與 Antares-1B 兩款模型，已在 Hugging Face 平台開放權重模型（open-weight model）供開發者使用。
思科指出，Antares 專為解決資安領域中，定位原始碼已知漏洞這項最耗時且成本高昂的問題而設計。對於資安團隊而言，要確認公司程式碼中是否存在新發現的漏洞，並精確找出其位置，過去是極大挑戰。
現有解決方案主要分為兩種：訂閱並使用大型閉源（closed-source）的大型語言模型（LLM），或下載較小型的開放權重通用語言模型（GLM）。閉源 LLM 成本可能非常高昂，且若程式碼受資料主權（data sovereignty）法規限制，也可能無法採用。開放權重模型則允許使用者控制模型「權重」（相當於模型的大腦），適用於重視資料主權的場景，因為分析的程式碼不會離開公司內部。然而，這類模型通常會產生大量誤報（false positives）。
Antares 的設計目標，便是結合開放權重 SLM 的優勢，專門用於程式碼漏洞查找，同時實現低成本、低誤報率，並確保資料主權。Antares 的運作模式類似人類調查員，從漏洞描述出發，搜尋相關程式碼模式，讀取候選檔案，並根據證據調整方向，最終鎖定最有可能受影響的檔案。思科強調，Antares 的目標是協助而非取代專家判斷，主要協助原始碼漏洞初步分類（triage）。
這款模型主要鎖定預算受限的資安團隊，例如大學、研究機構、非營利組織以及維護重要軟體的政府部門。思科也同步發布新的基準測試「漏洞定位基準」（Vulnerability Localization Benchmark），該基準包含 500 個測試項目，要求模型需有效率地理解不熟悉的程式碼庫，並辨識特定 CWE 類別相關的漏洞模式。
根據《SecurityWeek》報導，測試結果顯示，Antares 在完成速度與成本上均優於競爭對手。其成本相較大型語言模型低 172 倍，相較通用語言模型則低 15.2 倍。史丹佛大學（Stanford University）管理科學與工程學教授 Amin Saberi 表示，資安不應是奢侈品，但先進的 AI 偵測技術過去多為預算充裕的大型組織專屬。Antares 的問世改變了這種局面，它以極低的成本提供接近尖端模型的程式碼推理準確性，且速度足以在每次提交（commit）程式碼時執行。
思科希望透過其在 AI 領域的努力，為社群建立更穩固的 AI 輔助防禦基礎，包含開放規範、可重複使用的資安知識、輕巧可部署的模型，以及可衡量進度的基準測試。最終目標是讓所有資安從業人員，無論受限於本地部署或資源多寡，都能有效將人工智慧整合到日常資安營運中。
