Cisco открыла код ИИ-моделей. Уязвимости найдут без облака

Cisco выложила на Hugging Face веса двух специализированных языковых моделей - Antares-350M и Antares-1B - заточенных под одну конкретную задачу: находить уязвимые файлы в больших репозиториях. Без отправки кода в чужое облако, без тяжёлого железа и без подписки на дорогой сервис.

Не универсальный ИИ, а точечный инструмент

Antares не пишет код и не объясняет архитектуру. Задача у него проще и конкретнее: взять описание уязвимости - CVE, класс из базы CWE, типовую ошибку - и выдать ранжированный список файлов, с которых стоит начать ручной разбор. Модель ведёт последовательный поиск, сохраняет историю шагов и учитывает публично известные паттерны атак.

Это не замена пентестеру или статическому анализатору. Cisco прямо говорит: Antares работает в связке с анализом зависимостей, поиском секретов и динамическим тестированием. Но он сокращает то время, которое команда тратит на первичный обход кодовой базы, когда уже известно, что именно искать - но непонятно, где именно это спрятано.

Почему компактность становится аргументом

У OpenAI, Anthropic и Google есть мощные универсальные системы, умеющие анализировать код. Проблема в другом: корпоративная безопасность живёт по своим правилам. Закрытые репозитории, внутренние политики доступа, требования регуляторов - всё это делает облачный запрос к стороннему ИИ не просто неудобным, а зачастую невозможным.

Antares-350M и Antares-1B разворачиваются локально или в собственной инфраструктуре. Небольшой размер снижает порог входа: университеты, госструктуры и небольшие ИБ-команды получают рабочий инструмент без бюджета на GPU-кластер. По заявлению Cisco, в собственных тестах модели обошли ряд более крупных закрытых и открытых систем именно в задаче локализации уязвимостей - хотя верифицировать это на внешних независимых бенчмарках пока невозможно.

Бенчмарк как отдельный продукт

Вместе с моделями компания открыла Vulnerability Localization Benchmark - 500 задач, в которых системе нужно ориентироваться в незнакомых кодовых базах и находить файлы, связанные с конкретными классами уязвимостей. Это важно не только как инструмент оценки Antares. Рынок ИИ для кибербезопасности быстро уходит от маркетинговых обещаний к измеримым результатам: сколько файлов удалось сузить до проверки, насколько сократилось время до ручного анализа, как часто модель ошибается вхолостую.

Спрос на небольшие специализированные модели растёт быстрее, чем отрасль успевает платить за универсальные системы. Если Cisco удастся подтвердить результаты в реальных проектах, у компактных security-решений появится ещё один весомый довод в споре с тяжёлыми ИИ-платформами.