成本仅GPT-5.5零头，漏洞检测效率高150倍

思科近日发布了两款小型开源AI模型Antares-350M和Antares-1B，专为网络安全领域的漏洞检测设计。这两款模型旨在以极低的成本高效识别软件代码中的安全漏洞。思科开发者Aman Priyanshu在X平台上声称，最小的Antares-350M模型每美元可检测到的漏洞数量，大约是大型AI代理（如Cognition的Devin Security Swarm）的150倍。这一数据凸显了思科在性价比上的显著优势。

在思科自家的测试中，Antares模型的表现尤为亮眼。据Axios报道，Antares扫描500个代码仓库仅需约15分钟，成本不到1美元。相比之下，GPT-5.5完成同样的任务需要5小时，成本超过100美元。这意味着Antares在速度和成本上均实现了大幅优化，为预算有限的企业提供了更实用的安全检测方案。

两款模型均支持本地运行，确保敏感代码无需离开公司网络，从而增强了数据安全性。根据技术报告，Antares模型的训练数据中约72%为安全概念数据，15%为代码搜索历史。思科还保留了一款30亿参数的更大版本用于自家产品，该版本性能接近GPT-5.5，并超越了比它大200倍的开源模型。

思科正考虑组建一个行业联盟，以推动开源AI安全工具的普及。这一举措旨在联合更多企业共同提升网络安全防御能力。通过开源Antares模型，思科希望降低安全检测的门槛，让更多组织能够以低成本获得高效的漏洞扫描能力。

总体而言，思科的Antares模型展示了小型开源AI在特定任务中的巨大潜力。它们不仅成本低廉，而且性能出色，为网络安全领域提供了一种新的思路。随着行业联盟的探索，未来可能会有更多类似的开源工具涌现，进一步推动AI安全技术的民主化。

要点

• 思科发布两款小型开源AI模型Antares-350M和Antares-1B，专用于代码漏洞检测。
• 最小模型每美元检测漏洞数量是大型AI代理的约150倍，成本优势显著。
• 扫描500个代码仓库仅需15分钟、成本不到1美元，而GPT-5.5需5小时、成本超100美元。
• 模型支持本地运行，确保敏感代码安全，训练数据以安全概念为主。
• 思科保留30亿参数版本用于自家产品，性能接近GPT-5.5，并探索组建行业联盟。