Cisco-ն թողարկել է բաց AI մոդելներ կիբեռանվտանգության համար — Antares-350M և Antares-1B

Կիբեռանվտանգության նոր դարաշրջան. փոքր, բաց մոդելներ, որոնք գերազանցում են հսկաներին

2026 թվականի հուլիսին Cisco-ն ներկայացրեց երկու նոր բաց AI մոդելներ կիբեռանվտանգության համար — Antares-350M և Antares-1B։ Այս մոդելները նախագծված են ծրագրային կոդում խոցելիությունները հայտնաբերելու համար և, Cisco-ի պնդմամբ, արմատապես փոխում են անվտանգության վերլուծության տնտեսությունը։ Նույնիսկ ամենափոքր մոդելը՝ Antares-350M-ը, մոտավորապես 150 անգամ ավելի շատ խոցելիություն է հայտնաբերում ծախսված յուրաքանչյուր դոլարի դիմաց, քան այնպիսի խոշոր AI գործակալները, ինչպիսին է Cognition-ի Devin Security Swarm-ը:

Այս հայտարարությունը հատկապես կարևոր է այն ֆոնին, երբ կիբեռանվտանգության արդյունաբերությունը փնտրում է ավելի մատչելի և արդյունավետ լուծումներ։ Cisco-ի մոտեցումը ցույց է տալիս, որ երբեմն փոքր, մասնագիտացված մոդելներն ավելի մեծ արժեք են առաջարկում, քան իրենց հսկա մրցակիցները:

Համեմատական արդյունքներ. Antares ընդդեմ GPT-5.5

Cisco-ի թեստերի համաձայն, որոնց մասին զեկուցել է Axios-ը, Antares-ը 15 րոպեում սկանավորել է 500 կոդի պահոց՝ $1-ից պակաս ծախսով։ Նույն առաջադրանքը կատարելու համար GPT-5.5-ին պահանջվեց հինգ ժամ և ավելի քան $100: Սա նշանակում է, որ Antares-ը մոտ 100 անգամ ավելի արագ և 100 անգամ ավելի էժան է, քան OpenAI-ի ֆլագմանային մոդելը՝ կիբեռանվտանգության խոցելիությունների հայտնաբերման կոնկրետ առաջադրանքում:

Cisco-ի մշակող Aman Priyanshu-ն X-ում հայտարարեց, որ Antares-350M-ը մեծ AI գործակալների համեմատ "մոտ 150 անգամ ավելի շատ խոցելիություն է հայտնաբերում մեկ դոլարի դիմաց"։ Այս տվյալները հիմնված են Cisco-ի ներքին թեստավորման վրա, որտեղ համեմատվել է Antares-ի աշխատանքը Cognition-ի Devin Security Swarm-ի հետ:

Տեխնիկական մանրամասներ և ճարտարապետություն

Antares-350M (350 միլիոն պարամետր) և Antares-1B (1 միլիարդ պարամետր) տրանսֆորմերի վրա հիմնված մոդելներ են, որոնք հատուկ վերապատրաստվել են կիբեռանվտանգության առաջադրանքների համար։ Տեխնիկական զեկույցի համաձայն, մոդելները վերապատրաստվել են մոտավորապես 72% անվտանգության հայեցակարգային տվյալներով և 15% կոդի որոնման պատմություններով: Սա նշանակում է, որ մոդելները հասկանում են ոչ միայն կոդի շարահյուսությունը, այլև անվտանգության հատուկ նրբությունները՝ SQL ներարկումներ, XSS, բուֆերի վարարում և այլ տարածված խոցելիություններ:

Երկու մոդելներն էլ բաց կոդով են և հասանելի են Hugging Face-ում, ինչը ցանկացած ընկերության հնարավորություն է տալիս օգտագործել դրանք սեփական ենթակառուցվածքում: Մոդելներն աշխատում են տեղային, ինչը հատկապես կարևոր է զգայուն կոդով աշխատող կազմակերպությունների համար — կոդը երբեք չի լքում կազմակերպության սահմանները:

Գաղտնիություն և տեղային տեղակայում

Cisco-ի կողմից ընդգծված հիմնական առավելություններից մեկն այն է, որ Antares մոդելներն աշխատում են ամբողջությամբ տեղային: Սա նշանակում է, որ ընկերության ծրագրային կոդը երբեք չի ուղարկվում արտաքին սերվերներին — ամբողջ վերլուծությունը կատարվում է նույն ենթակառուցվածքում, որտեղ պահվում է կոդը:

Սա հատկապես կարևոր է ֆինանսական, բժշկական և պաշտպանական ոլորտների համար, որտեղ կոդի գաղտնիությունը կրիտիկական պահանջ է: Շատ կազմակերպություններ չեն կարող իրենց կոդն ուղարկել արտաքին AI ծառայություններին անվտանգության ռիսկերի պատճառով: Antares-ը լուծում է այս խնդիրը հենց տեղային աշխատանքի միջոցով:

Cisco-ի 3B մոդել. հսկան, որը ընկերությունը պահել է իր համար

Հետաքրքիր է, որ Cisco-ն որոշել է 3 միլիարդ պարամետրանոց տարբերակը պահել սեփական արտադրանքների համար։ Տեխնիկական զեկույցի համաձայն, այս տարբերակը կատարողականությամբ մոտենում է GPT-5.5-ին և գերազանցում է բաց մոդելներին, որոնք մինչև 200 անգամ ավելի մեծ են չափսերով:

Այս ռազմավարությունը հիշեցնում է այլ տեխնոլոգիական ընկերությունների մոտեցումը՝ թողարկել փոքր բաց մոդելներ համայնքի համար, իսկ ավելի հզոր տարբերակները պահել սեփական առևտրային արտադրանքների համար: Cisco-ի դեպքում, 3B մոդելը, ամենայն հավանականությամբ, կինտեգրվի նրանց գոյություն ունեցող անվտանգության արտադրանքներում, ինչպիսիք են Cisco SecureX-ը և այլն:

Արդյունաբերական կոնսորցիում բաց AI անվտանգության գործիքների համար

Cisco-ն նաև ուսումնասիրում է արդյունաբերական կոնսորցիումի ստեղծման հնարավորությունը բաց AI անվտանգության գործիքների համար: Այս քայլը վկայում է, որ ընկերությունը տեսնում է բաց կոդով էկոհամակարգի կարևորությունը կիբեռանվտանգության մեջ և ցանկանում է խրախուսել համագործակցությունը արդյունաբերության այլ խաղացողների հետ:

Նման կոնսորցիումը կարող է կարևոր քայլ լինել բաց AI անվտանգության գործիքների ավելի արագ զարգացման և լայն ընդունման համար: Եթե խոշոր ընկերությունները միավորեն ուժերը, հնարավոր է ստեղծել անվտանգության գործիքների էկոհամակարգ, որը հասանելի կլինի բոլորին:

Ինչու է սա կարևոր DevSecOps-ի համար:

Antares մոդելները կարևոր են, քանի որ դրանք DevSecOps պրակտիկան դարձնում են ավելի մատչելի: Այսօր շատ ընկերություններ չեն կարող իրականացնել կոդի խոցելիությունների կանոնավոր սկանավորում, քանի որ ավանդական գործիքները չափազանց թանկ կամ դանդաղ են:

Antares-ի հետ CI/CD խողովակաշարերում ինտեգրումը պարզ է և մատչելի: 500 պահոց 15 րոպեում $1-ից պակաս ծախսով սկանավորելու ունակությունը նշանակում է, որ ընկերությունները կարող են ստուգել յուրաքանչյուր commit-ը առանց զգալի ծախսերի: Սա հատկապես կարևոր է փոքր և միջին բիզնեսների համար, որոնք չունեն առանձին անվտանգության թիմեր:

Հետևանքները և ապագան

Cisco-ի կողմից Antares մոդելների թողարկումը ցույց է տալիս, որ AI-ի ապագան կիբեռանվտանգության մեջ պարտադիր չէ, որ մեծ, թանկ մոդելներն են, այլ փոքր, մասնագիտացված, արդյունավետ լուծումները: Այս միտումը շուտով կարող է տարածվել այլ ոլորտներում նույնպես՝ ֆինանսներ, առողջապահություն, իրավաբանական տեխնոլոգիաներ:

Բաց կոդով հասանելիությունը, տեղային տեղակայումը և $1-ից պակաս արժեքը 500 պահոցի համար. այս ամենը Antares-ը դարձնում է 2026 թվականի ամենահետաքրքիր AI թողարկումներից մեկը: Cisco-ի 3B մոդելի հաղորդված կատարողականությունը, որը մոտենում է GPT-5.5 մակարդակին, էլ ավելի է ամրապնդում այս ուղղության հեռանկարը:

Կիբեռանվտանգության արդյունաբերության համար սա նշանակում է, որ անվտանգության վերլուծության ավտոմատացումը դառնում է ավելի մատչելի, քան երբևէ: Antares-ը կարող է լինել այն գործիքը, որը բաց AI-ն կբերի կիբեռանվտանգության մեյնսթրիմ՝ թույլ տալով բոլոր չափերի կազմակերպություններին պաշտպանել իրենց կոդը՝ առանց մեծ ծախսերի:

📖 Աղբյուր