安全今天·The Decoder
Cisco 开源两款小型网络安全模型 Antares-350M/1B，单位成本漏洞发现能力远超大型 Agent
The Decoder 7 月 22 日报道，Cisco 发布两款开源小型 AI 网络安全模型 Antares-350M 与 Antares-1B，用于发现代码漏洞。开发者 Aman Priyanshu 称最小模型每美元发现的漏洞数约为 Cognition Devin Security Swarm 等大型 Agent 的 150 倍。Cisco 测试显示 Antares 约 15 分钟扫描 500 个代码仓库，成本不到 1 美元；GPT-5.5 完成同样任务需 5 小时、花费超 100 美元。
Cisco 开源小型网络安全模型 Antares
2026 年 7 月 23 日，The Decoder 报道 Cisco 发布两款开源小型 AI 网络安全模型。
模型规格
| 模型 | 参数量 | 用途 |
|---|---|---|
| Antares-350M | 3.5 亿 | 代码漏洞检测 |
| Antares-1B | 10 亿 | 代码漏洞检测 |
| （内部版） | 30 亿 | Cisco 产品自用 |
效率对比
| 指标 | Antares | GPT-5.5 |
|---|---|---|
| 扫描 500 个代码仓库 | 约 15 分钟 | 约 5 小时 |
| 成本 | 不到 1 美元 | 超过 100 美元 |
| 每美元漏洞发现 | 约为 Devin Security Swarm 的 150 倍 | — |
关键特性
- 两款开源模型均支持本地运行，敏感代码不出企业边界
- 训练数据约 72% 为安全概念数据、15% 为代码搜索历史
- 30 亿参数内部版性能接近 GPT-5.5，超越规模达其 200 倍的开源模型
- Cisco 正探索建立开放 AI 安全工具行业联盟
AI Master 解读
核心事件
Cisco 开源小型网络安全模型，单位成本漏洞发现效率大幅领先大型 Agent。
行业影响
Antares 的发布标志着网络安全 AI 从「大而全」向「小而专」的路线分化。350M/1B 参数量级的模型在垂直漏洞检测任务上以极低成本超越通用大模型，验证了专用小模型在安全场景的性价比优势。两款模型均支持本地运行，敏感代码无需外传，直接切中企业数据合规痛点。Cisco 保留 30 亿参数版本自用并探索行业联盟，显示头部厂商正以「开源小模型 + 闭源大模型」双轨布局安全 AI。
AI Master 建议
安全团队可评估将专用小模型嵌入 CI/CD 流水线做常态化漏洞扫描，在成本与覆盖率之间取得平衡；同时关注 Cisco 牵头的开放安全 AI 联盟进展，提前布局工具链互操作性。