Маленький открытый ИИ Cisco ищет ошибки, обгоняя Gemini

      Новые модели Antares от Cisco достаточно малы, чтобы работать на ваших собственных машинах. И, как утверждается, они превосходят Gemini от Google и соперничающие системы класса GPT в поиске ошибок. Они будут выпущены с открытым весом, хотя Cisco проверяет, кто получит доступ.

      Предложение от Cisco является тихим упреком гонке вооружений моделей на переднем крае. Вам не нужен гигантский, дорогой ИИ для поиска программных ошибок. И вам не нужно отправлять свой исходный код в OpenAI или Google, чтобы сделать это.

      Команда Foundation AI от Cisco выпустила две модели безопасности с открытым весом, Antares-350M и Antares-1B, созданные для поиска известных уязвимостей, скрытых в существующих кодовых базах. Они доступны на Hugging Face для сообщества, хотя Cisco одобряет доступ по мере необходимости. Более крупная модель с 3 миллиардами параметров пока не будет полностью выпущена для общественности.

      Это не чат-боты. Antares работает с репозиторием как человеческий исследователь. Он начинает с описания уязвимости, ищет в коде и читает кандидатные файлы. Он возвращается назад, когда путь не ведет никуда, а затем возвращает ранжированный список файлов, которые с наибольшей вероятностью могут скрывать недостаток. Название происходит от красной сверхгигантской звезды, примерно в 1,000 раз превышающей размер солнца.

      Маленькие, но мощные

      💜 технологий ЕС Последние новости из технологической сцены ЕС, история от нашего мудрого основателя Бориса и немного сомнительного ИИ-арта. Это бесплатно, каждую неделю, в вашем почтовом ящике. Подпишитесь сейчас! Cisco утверждает, что маленькие модели работают гораздо эффективнее, чем можно было бы ожидать. По собственному бенчмарку на 500 задач по локализации уязвимостей Antares-1B превосходит Gemini 3 Pro от Google и соответствует GLM-5.2 от Z.ai. Невыпущенная модель 3B, как утверждается, превосходит как GLM-5.2, так и GPT-5.5 от OpenAI.

      Настоящее преимущество проявляется в скорости и стоимости. Главный научный сотрудник по ИИ Амин Карбаси сообщил The Register, что Antares очищает 500 кодовых репозиториев за 15 минут, в то время как для моделей на переднем крае требуется пять часов. Это обходится менее чем в 1 доллар, по его словам, против 100-150 долларов для крупных систем.

      Фокус в том, что Cisco обучила модели искать, а не общаться. Поскольку каждая из них маленькая и ловкая, она может выполнять множество поисков одновременно и менять тактику, когда линия атаки не приводит ни к чему. Карбаси сравнил это с велосипедом, который маневрирует мимо грузовика на оживленной лондонской улице.

      Держим код дома

      Локальная работа — это еще один аргумент в пользу. Будучи маленькими и с открытым весом, модели хранят собственный код на машинах компании. В отличие от этого, облачные системы отправляют этот код на серверы поставщика ИИ для сканирования. Для компаний в регулируемых отраслях хранение его внутри компании — это основная цель.

      Подводный камень

      Есть причина, по которой Cisco сдерживает доступ. Инструмент, который находит недостатки, также помогает злоумышленникам их эксплуатировать. Как сказал Реза Шокри, компьютерный ученый из Национального университета Сингапура, ИИ-агенты теперь «пишут больше кода и становятся способными его эксплуатировать».

      Поэтому Cisco ограничивает доступ для академических, некоммерческих и небольших государственных команд безопасности и удерживает свою самую мощную модель. Цель, как они говорят, — предотвратить превращение продвинутой защиты ИИ в предмет роскоши, как только злоумышленники начнут использовать ИИ сами. Ставка Cisco заключается в том, что преимущество больше не в размере модели. Оно в том, кто сможет ее нацелить.