Cisco-მ გამოუშვა ღია AI მოდელები კიბერუსაფრთხოებისთვის — Antares-350M და Antares-1B
Cisco-ს პატარა, ღია AI მოდელები Antares-350M და Antares-1B დოლარის ღირებულებით 150-ჯერ მეტ დაუცველობას პოულობენ, ვიდრე GPT-5.5. 500 რეპოზიტორის სკანირება 15 წუთში, $1-ზე ნაკლებად.
კიბერუსაფრთხოების ახალი ერა: პატარა, ღია მოდელები, რომლებიც გიგანტებს აჯობებენ
2026 წლის ივლისში Cisco-მ წარმოადგინა ორი ახალი ღია AI მოდელი კიბერუსაფრთხოებისთვის — Antares-350M და Antares-1B. ეს მოდელები შექმნილია პროგრამული უზრუნველყოფის კოდში დაუცველობების გამოსავლენად და, Cisco-ს მტკიცებით, რადიკალურად ცვლის უსაფრთხოების ანალიზის ეკონომიკას. პატარა მოდელიც კი — Antares-350M — დაახლოებით 150-ჯერ მეტ დაუცველობას პოულობს დახარჯული დოლარის მიმართ, ვიდრე ისეთი დიდი AI აგენტები, როგორიცაა Cognition-ის Devin Security Swarm.
ეს განცხადება განსაკუთრებით მნიშვნელოვანია იმ ფონზე, როდესაც კიბერუსაფრთხოების ინდუსტრია ეძებს უფრო ხელმისაწვდომ და ეფექტურ გადაწყვეტილებებს. Cisco-ს მიდგომა აჩვენებს, რომ ზოგჯერ პატარა, სპეციალიზებული მოდელები უფრო მეტ ღირებულებას გვთავაზობენ, ვიდრე მათი გიგანტური კონკურენტები.
შედარების შედეგები: Antares vs GPT-5.5
Cisco-ს ტესტების მიხედვით, რომლებზეც Axios-ი იუწყება, Antares-მა 15 წუთში დაახლოებით $1-ზე ნაკლები ღირებულებით დაამუშავა 500 კოდის რეპოზიტორი. იგივე დავალების შესრულებას GPT-5.5-ს დასჭირდა 5 საათი და $100-ზე მეტი. ეს ნიშნავს, რომ Antares-ი 100-ჯერ უფრო სწრაფი და 100-ჯერ უფრო იაფია, ვიდრე OpenAI-ს ფლაგმანური მოდელი, კიბერუსაფრთხოების დაუცველობების გამოვლენის სპეციფიკურ ამოცანაში.
Cisco-ს დეველოპერმა Aman Priyanshu-მ X-ზე (Twitter) განაცხადა, რომ Antares-350M "დაახლოებით 150-ჯერ მეტ დაუცველობას პოულობს დახარჯული დოლარის მიმართ" დიდ AI აგენტებთან შედარებით. ეს მონაცემები ეფუძნება Cisco-ს მიერ ჩატარებულ შიდა ტესტირებას, სადაც შედარებული იქნა Antares-ის მუშაობა Cognition-ის Devin Security Swarm-თან.
ტექნიკური დეტალები და არქიტექტურა
Antares-350M (350 მილიონი პარამეტრი) და Antares-1B (1 მილიარდი პარამეტრი) არიან ტრანსფორმერზე დაფუძნებული მოდელები, რომლებიც სპეციალურად გაწვრთნილი იქნა კიბერუსაფრთხოების ამოცანებისთვის. ტექნიკური ანგარიშის თანახმად, მოდელები გაწვრთნილი იქნა დაახლოებით 72% უსაფრთხოების კონცეპტუალური მონაცემებით და 15% კოდის ძიების ისტორიებით. ეს ნიშნავს, რომ მოდელებმა იციან არა მხოლოდ კოდის წერა, არამედ უსაფრთხოების სპეციფიკური ნიუანსები — SQL ინექციები, XSS, buffer overflow და სხვა საერთო დაუცველობები.
ორივე მოდელი ღია წყაროსია და ხელმისაწვდომია Hugging Face-ზე, რაც ნებისმიერ კომპანიას აძლევს საშუალებას გამოიყენოს ისინი საკუთარ ინფრასტრუქტურაში. მოდელები მუშაობენ ლოკალურად, რაც განსაკუთრებით მნიშვნელოვანია მგრძნობიარე კოდის მქონე კომპანიებისთვის — კოდი არასდროს ტოვებს ორგანიზაციის საზღვრებს.
კონფიდენციალურობა და ლოკალური მუშაობა
ერთ-ერთი მთავარი უპირატესობა, რასაც Cisco ხაზს უსვამს, არის ის, რომ Antares-ის მოდელები მუშაობენ მთლიანად ლოკალურად. ეს ნიშნავს, რომ კომპანიის პროგრამული კოდი არასდროს იგზავნება გარე სერვერებზე — ყველა ანალიზი ტარდება იმავე ინფრასტრუქტურაში, სადაც კოდი ინახება.
ეს განსაკუთრებით მნიშვნელოვანია ფინანსური, სამედიცინო და თავდაცვითი ინდუსტრიებისთვის, სადაც კოდის კონფიდენციალურობა კრიტიკული მოთხოვნაა. ბევრი ორგანიზაცია ვერ აგზავნის საკუთარ კოდს გარე AI სერვისებზე უსაფრთხოების რისკების გამო. Antares-ი ამ პრობლემას სწორედ ლოკალური მუშაობით წყვეტს.
Cisco-ს 3B მოდელი: გიგანტი, რომელიც კომპანიამ საკუთარ თავს დაუტოვა
საინტერესოა, რომ Cisco-მ გადაწყვიტა 3 მილიარდიანი (3B) პარამეტრიანი ვერსია საკუთარი პროდუქტებისთვის დაეტოვებინა. ტექნიკური ანგარიშის თანახმად, ეს ვერსია შესრულებით GPT-5.5-ს უახლოვდება და აჯობებს ღია მოდელებს, რომლებიც 200-ჯერ აღემატება მას ზომით.
ეს სტრატეგია მოგვაგონებს სხვა ტექნოლოგიური კომპანიების მიდგომას — გამოუშვან პატარა, ღია მოდელები საზოგადოებისთვის, ხოლო უფრო დიდი და მძლავრი ვერსიები შეინახონ საკუთარი კომერციული პროდუქტებისთვის. Cisco-ს შემთხვევაში, 3B მოდელი სავარაუდოდ გამოყენებული იქნება მათ არსებულ უსაფრთხოების პროდუქტებში, როგორიცაა Cisco SecureX და სხვა.
ინდუსტრიული კონსორციუმი ღია AI უსაფრთხოების ინსტრუმენტებისთვის
Cisco ასევე იკვლევს ინდუსტრიული კონსორციუმის შექმნის შესაძლებლობას ღია AI უსაფრთხოების ინსტრუმენტებისთვის. ეს ნაბიჯი მიუთითებს იმაზე, რომ კომპანია ხედავს ღია წყაროს ეკოსისტემის მნიშვნელობას კიბერუსაფრთხოებაში და სურს წაახალისოს თანამშრომლობა ინდუსტრიის სხვა მოთამაშეებთან.
ასეთი კონსორციუმი შეიძლება იყოს მნიშვნელოვანი ნაბიჯი იმისთვის, რომ ღია AI უსაფრთხოების ინსტრუმენტები უფრო სწრაფად განვითარდეს და ფართოდ იქნას მიღებული. თუ მსხვილი კომპანიები გააერთიანებენ ძალებს, შესაძლებელია შეიქმნას უსაფრთხოების ინსტრუმენტების ეკოსისტემა, რომელიც ყველასთვის ხელმისაწვდომი იქნება.
რატომ არის ეს მნიშვნელოვანი DevSecOps-ისთვის?
Antares-ის მოდელები მნიშვნელოვანია იმიტომ, რომ ისინი DevSecOps-ის პრაქტიკას უფრო ხელმისაწვდომს ხდიან. დღეს ბევრი კომპანია ვერ ახორციელებს კოდის დაუცველობების რეგულარულ სკანირებას იმის გამო, რომ ტრადიციული ინსტრუმენტები ძვირი ან ნელია.
Antares-ით, CI/CD პაიპლაინში ინტეგრაცია მარტივი და იაფია. 15 წუთში 500 რეპოზიტორის სკანირების შესაძლებლობა $1-ზე ნაკლები ღირებულებით ნიშნავს, რომ კომპანიებს შეუძლიათ ყოველი commit-ის შემოწმება მნიშვნელოვანი ხარჯების გარეშე. ეს განსაკუთრებით მნიშვნელოვანია მცირე და საშუალო ბიზნესებისთვის, რომლებსაც არ აქვთ მსხვილი უსაფრთხოების გუნდები.
შედეგები და მომავალი
Cisco-ს Antares-ის მოდელების გამოშვება აჩვენებს, რომ AI-ის მომავალი კიბერუსაფრთხოებაში არა აუცილებლად დიდი, ძვირი მოდელებია, არამედ პატარა, სპეციალიზებული, ეფექტური გადაწყვეტილებები. ეს ტენდენცია შესაძლოა მალე სხვა სფეროებშიც გავრცელდეს — ფინანსები, ჯანდაცვა, იურიდიული ტექნოლოგიები.
ღია მოდელების ხელმისაწვდომობა, ლოკალური მუშაობა და $1-ზე ნაკლები ღირებულება 500 რეპოზიტორისთვის — ეს ყველაფერი Antares-ს აქცევს ერთ-ერთ ყველაზე საინტერესო AI გამოშვებად 2026 წელს. Cisco-ს 3B მოდელის მოსალოდნელი მაჩვენებლები, რომელიც GPT-5.5-ს უახლოვდება, კიდევ უფრო ამყარებს ამ მიმართულების პერსპექტივას.
კიბერუსაფრთხოების ინდუსტრიისთვის ეს ნიშნავს იმას, რომ უსაფრთხოების ანალიზის ავტომატიზაცია ხდება უფრო ხელმისაწვდომი, ვიდრე ოდესმე. Antares-ი შესაძლოა იყოს ის ინსტრუმენტი, რომელიც ღია AI-ს კიბერუსაფრთხოების მეინსტრიმში გადაიყვანს.