Cisco випустила відкриті AI-моделі для кібербезпеки — Antares-350M та Antares-1B
Маленькі відкриті AI-моделі Cisco Antares-350M та Antares-1B знаходять приблизно в 150 разів більше вразливостей на кожен витрачений долар, ніж GPT-5.5. Сканування 500 репозиторіїв коду за 15 хвилин менш ніж за $1.
Нова ера кібербезпеки: маленькі відкриті моделі, які перевершують гігантів
У липні 2026 року Cisco представила дві нові відкриті AI-моделі для кібербезпеки — Antares-350M та Antares-1B. Ці моделі розроблені для виявлення вразливостей у програмному коді і, за словами Cisco, радикально змінюють економіку аналізу безпеки. Навіть найменша модель — Antares-350M — виявляє приблизно в 150 разів більше вразливостей на витрачений долар, ніж такі великі AI-агенти, як Cognition Devin Security Swarm.
Це оголошення особливо важливе на тлі пошуку кібербезпековою індустрією більш доступних та ефективних рішень. Підхід Cisco демонструє, що іноді менші, спеціалізовані моделі пропонують більше цінності, ніж їхні гігантські конкуренти.
Результати порівняння: Antares проти GPT-5.5
Згідно з тестами Cisco, про які повідомляє Axios, Antares просканував 500 репозиторіїв коду приблизно за 15 хвилин менш ніж за $1. Те саме завдання виконувалося GPT-5.5 п'ять годин і коштувало понад $100. Це означає, що Antares приблизно в 100 разів швидший і в 100 разів дешевший за флагманську модель OpenAI для конкретного завдання виявлення вразливостей кібербезпеки.
Розробник Cisco Aman Priyanshu заявив на X, що Antares-350M "виявляє приблизно в 150 разів більше вразливостей на долар" порівняно з великими AI-агентами. Ці дані базуються на внутрішньому тестуванні Cisco, в якому порівнювалася робота Antares з Cognition Devin Security Swarm.
Технічні деталі та архітектура
Antares-350M (350 мільйонів параметрів) та Antares-1B (1 мільярд параметрів) — це моделі на основі трансформерів, спеціально навчені для завдань кібербезпеки. Згідно з технічним звітом, моделі навчалися на приблизно 72% даних концепцій безпеки та 15% історій пошуку коду. Це означає, що моделі розуміють не лише синтаксис коду, але й специфічні нюанси безпеки — SQL-ін'єкції, XSS, переповнення буфера та інші поширені вразливості.
Обидві моделі є відкритими та доступними на Hugging Face, що дозволяє будь-якій компанії використовувати їх у власній інфраструктурі. Моделі працюють локально, що особливо важливо для організацій, які працюють з конфіденційним кодом — код ніколи не залишає меж організації.
Конфіденційність та локальне розгортання
Однією з ключових переваг, яку підкреслює Cisco, є те, що моделі Antares працюють повністю локально. Це означає, що вихідний код компанії ніколи не надсилається на зовнішні сервери — весь аналіз відбувається в тій же інфраструктурі, де зберігається код.
Це особливо важливо для фінансової, медичної та оборонної галузей, де конфіденційність коду є критичною вимогою. Багато організацій не можуть надсилати свій код на зовнішні AI-сервіси через ризики безпеки. Antares вирішує цю проблему саме завдяки локальній роботі.
Модель Cisco 3B: гігант, який компанія залишила собі
Цікаво, що Cisco вирішила залишити версію з 3 мільярдами параметрів для власних продуктів. Згідно з технічним звітом, ця версія наближається за продуктивністю до GPT-5.5 і перевершує відкриті моделі, які до 200 разів більші за розміром.
Ця стратегія нагадує підхід інших технологічних компаній — випускати менші відкриті моделі для спільноти, зберігаючи потужніші версії для комерційних продуктів. У випадку Cisco модель 3B, ймовірно, буде інтегрована в їхні існуючі продукти безпеки, такі як Cisco SecureX та інші.
Галузевий консорціум для відкритих AI-інструментів безпеки
Cisco також досліджує можливість створення галузевого консорціуму для відкритих AI-інструментів безпеки. Цей крок сигналізує, що компанія бачить важливість екосистеми відкритого коду в кібербезпеці та хоче заохотити співпрацю з іншими учасниками галузі.
Такий консорціум може стати значним кроком до швидшого розвитку та ширшого впровадження відкритих AI-інструментів безпеки. Якщо великі компанії об'єднають зусилля, це може створити екосистему інструментів безпеки, доступну для всіх.
Чому це важливо для DevSecOps?
Моделі Antares важливі, тому що вони роблять практики DevSecOps більш доступними. Сьогодні багато компаній не можуть впроваджувати регулярне сканування вразливостей коду, оскільки традиційні інструменти занадто дорогі або повільні.
З Antares інтеграція в CI/CD пайплайни є простою та доступною. Можливість сканувати 500 репозиторіїв за 15 хвилин менш ніж за $1 означає, що компанії можуть перевіряти кожен коміт без значних витрат. Це особливо важливо для малих та середніх підприємств, які не мають виділених команд безпеки.
Висновки та майбутнє
Випуск моделей Antares демонструє, що майбутнє AI в кібербезпеці — це не обов'язково великі, дорогі моделі, а маленькі, спеціалізовані, ефективні рішення. Ця тенденція може незабаром поширитися на інші сфери — фінанси, охорону здоров'я, юридичні технології.
Відкрита доступність, локальне розгортання та вартість менш ніж $1 за 500 репозиторіїв — все це робить Antares одним із найцікавіших AI-релізів 2026 року. Повідомлена продуктивність моделі Cisco 3B, яка наближається до рівня GPT-5.5, ще більше підкріплює перспективність цього напрямку.
Для індустрії кібербезпеки це означає, що автоматизація аналізу безпеки стає доступнішою, ніж будь-коли. Antares може стати тим інструментом, який приведе відкритий AI в мейнстрім кібербезпеки, дозволяючи організаціям будь-якого розміру захищати свій код без значних витрат.