Cisco, Siber Güvenlik İçin Açık Kaynak AI Modellerini Yayınladı — Antares-350M ve Antares-1B
Cisco'nun küçük, açık AI modelleri Antares-350M ve Antares-1B, harcanan dolar başına GPT-5.5'ten yaklaşık 150 kat daha fazla güvenlik açığı buluyor. 500 kod deposunu 15 dakikada 1 doların altında taradı. Her iki model de yerel olarak çalışıyor.
Siber Güvenlikte Yeni Bir Dönem: Devleri Geride Bırakan Küçük, Açık Modeller
Temmuz 2026'da Cisco, siber güvenlik için iki yeni açık kaynak AI modeli yayınladı — Antares-350M ve Antares-1B. Bu modeller, yazılım kodlarındaki güvenlik açıklarını tespit etmek için tasarlanmıştır ve Cisco'ya göre güvenlik analizinin ekonomisini kökten değiştirmektedir. En küçük model bile — Antares-350M — Cognition'un Devin Security Swarm'ı gibi büyük AI ajanlarına kıyasla harcanan dolar başına yaklaşık 150 kat daha fazla güvenlik açığı bulmaktadır.
Bu duyuru, siber güvenlik endüstrisinin daha erişilebilir ve etkili çözümler arayışı bağlamında özellikle önemlidir. Cisco'nun yaklaşımı, bazen daha küçük, uzmanlaşmış modellerin devasa rakiplerinden daha fazla değer sunduğunu göstermektedir.
Karşılaştırma Sonuçları: Antares vs GPT-5.5
Axios'un bildirdiği Cisco testlerine göre, Antares 15 dakikada yaklaşık 1 doların altında bir maliyetle 500 kod deposunu taradı. Aynı görevi GPT-5.5'in tamamlaması beş saat sürdü ve 100 doların üzerinde maliyet oluşturdu. Bu, Antares'in siber güvenlik açıklarını tespit etme konusunda OpenAI'nin amiral gemisi modelinden yaklaşık 100 kat daha hızlı ve 100 kat daha ucuz olduğu anlamına geliyor.
Cisco geliştiricisi Aman Priyanshu, X platformunda Antares-350M'nin büyük AI ajanlarına kıyasla "dolar başına yaklaşık 150 kat daha fazla güvenlik açığı yakaladığını" belirtti. Bu rakamlar, Cisco'nun Antares'in performansını Cognition'un Devin Security Swarm'ı ile karşılaştırdığı dahili testlerine dayanmaktadır.
Teknik Detaylar ve Mimari
Antares-350M (350 milyon parametre) ve Antares-1B (1 milyar parametre), siber güvenlik görevleri için özel olarak eğitilmiş dönüştürücü tabanlı modellerdir. Teknik rapora göre, modeller yaklaşık %72 güvenlik konsepti verisi ve %15 kod arama geçmişi üzerinde eğitilmiştir. Bu, modellerin yalnızca kod sözdizimini değil, aynı zamanda güvenliğe özgü nüansları da anladığı anlamına gelir — SQL enjeksiyonları, XSS, tampon taşmaları ve diğer yaygın güvenlik açıkları.
Her iki model de açık kaynaklıdır ve Hugging Face üzerinde erişilebilirdir, bu da herhangi bir şirketin bunları kendi altyapısında kullanmasına olanak tanır. Modeller yerel olarak çalışır; bu, hassas kodla çalışan kuruluşlar için özellikle önemlidir — kod asla kuruluşun sınırlarını terk etmez.
Gizlilik ve Yerel Dağıtım
Cisco'nun vurguladığı temel avantajlardan biri, Antares modellerinin tamamen yerel olarak çalışmasıdır. Bu, şirketin kaynak kodunun asla harici sunuculara gönderilmediği anlamına gelir — tüm analiz, kodun depolandığı altyapı içinde gerçekleşir.
Bu, kod gizliliğinin kritik bir gereklilik olduğu finans, sağlık ve savunma sektörleri için özellikle önemlidir. Birçok kuruluş, güvenlik riskleri nedeniyle kodlarını harici AI hizmetlerine gönderemez. Antares bu sorunu tam da yerel çalışma sayesinde çözmektedir.
Cisco'nun 3B Modeli: Şirketin Kendine Sakladığı Dev
İlginç bir şekilde, Cisco 3 milyar parametreli versiyonu kendi ürünleri için saklama kararı aldı. Teknik rapora göre, bu versiyon performans açısından GPT-5.5'e yaklaşmakta ve kendisinden 200 kata kadar daha büyük açık kaynak modelleri geride bırakmaktadır.
Bu strateji, diğer teknoloji şirketlerinin yaklaşımını anımsatmaktadır — topluluğa daha küçük açık kaynak modeller sunarken, daha güçlü versiyonları ticari ürünler için saklamak. Cisco örneğinde, 3B modeli muhtemelen Cisco SecureX ve diğer mevcut güvenlik ürünlerine entegre edilecektir.
Açık AI Güvenlik Araçları için Endüstri Konsorsiyumu
Cisco ayrıca açık AI güvenlik araçları için bir endüstri konsorsiyumu oluşturma olasılığını araştırmaktadır. Bu adım, şirketin siber güvenlikte açık kaynak ekosisteminin önemini gördüğünü ve sektördeki diğer oyuncularla işbirliğini teşvik etmek istediğini göstermektedir.
Böyle bir konsorsiyum, açık AI güvenlik araçlarının daha hızlı geliştirilmesi ve daha geniş çapta benimsenmesi yönünde önemli bir adım olabilir. Büyük şirketler güçlerini birleştirirse, herkesin erişebileceği bir güvenlik aracı ekosistemi oluşturulabilir.
Bu Neden DevSecOps İçin Önemli?
Antares modelleri önemlidir çünkü DevSecOps uygulamalarını daha erişilebilir hale getirmektedir. Günümüzde birçok şirket, geleneksel araçlar çok pahalı veya yavaş olduğu için düzenli kod güvenlik açığı taraması yapamamaktadır.
Antares ile CI/CD hatlarına entegrasyon basit ve uygun maliyetlidir. 500 depoyu 15 dakikada 1 doların altında tarama yeteneği, şirketlerin her bir commit'i önemli maliyetler olmadan kontrol edebileceği anlamına gelir. Bu, özel güvenlik ekipleri olmayan küçük ve orta ölçekli işletmeler için özellikle önemlidir.
Çıkarımlar ve Gelecek
Cisco'nun Antares modellerini yayınlaması, siber güvenlikte AI'nın geleceğinin mutlaka büyük, pahalı modeller olmadığını — küçük, uzmanlaşmış, verimli çözümler olduğunu göstermektedir. Bu eğilim yakında diğer alanlara da yayılabilir — finans, sağlık, hukuk teknolojileri.
Açık kaynak erişilebilirliği, yerel dağıtım ve 500 depo için 1 doların altında maliyet — tüm bunlar Antares'i 2026'nın en ilginç AI çıkışlarından biri haline getirmektedir. Cisco'nun 3B modelinin GPT-5.5 seviyelerine yaklaşan bildirilen performansı, bu yönün vaadini daha da güçlendirmektedir.
Siber güvenlik endüstrisi için bu, güvenlik analizi otomasyonunun her zamankinden daha erişilebilir hale geldiği anlamına gelmektedir. Antares, açık kaynak AI'yı siber güvenlik ana akımına taşıyan ve her ölçekteki kuruluşun bütçelerini zorlamadan kodlarını korumasını sağlayan araç olabilir.