Cisco Foundation AI выпустила семейство открытых языковых моделей Antares с параметрами 350M и 1B, предназначенных для локализации известных уязвимостей в реальных кодовых базах. Несмотря на малый размер, модель Antares-1B показала высокую эффективность на специализированном бенчмарке, превзойдя по точности значительно более крупные системы, такие как GLM-5.2 и Gemini 3 Pro.
Разработка Antares демонстрирует потенциал узкоспециализированного дообучения компактных моделей для задач кибербезопасности. В отличие от базовых чекпоинтов, которые практически не справляются с задачей поиска уязвимостей, специализированная настройка позволяет Antares точно определять проблемные участки кода. Это делает модели пригодными для локального развертывания в составе инструментов статического анализа и CI/CD пайплайнов.
Использование моделей такого масштаба позволяет компаниям интегрировать автоматизированный поиск уязвимостей непосредственно в среду разработки без необходимости отправки данных во внешние облачные API. Это снижает требования к вычислительным ресурсам и повышает уровень конфиденциальности при обработке проприетарного кода.
Ключевые факты
- Семейство Antares включает две версии моделей: с 350 млн и 1 млрд параметров.
- Модель Antares-1B достигла показателя 0,209 по метрике File F1 на Vulnerability Localization Benchmark.
- Antares-1B превзошла по результатам модель GLM-5.2 (753 млрд параметров) и Gemini 3 Pro в задачах локализации уязвимостей.
- Базовые чекпоинты Granite 4.0 показывают околонулевые результаты на аналогичном протоколе тестирования, что подчеркивает критическую важность этапа пост-тренировки.