Cisco 的微型 Antares 模型在漏洞定位上追平 GPT-5.5——成本仅 0.82 美元

Cisco 的 Foundation AI 团队于 7 月 21 日 发布了两款非常小的开源权重模型——Antares-350M 和 Antares-1B——它们只为一项狭窄任务而生：找出代码库中某个已知漏洞所在位置。官方还宣布了一个 3B 版本，但刻意没有发布。

是定位，不是发现

两者的区别就是这款产品的全部意义。Antares 不会去寻找未知漏洞；在给定漏洞描述后，它会以 agent 方式工作——搜索代码模式、阅读候选文件、综合证据，并在路径失效时回溯——从而精准定位受影响的代码。Cisco 称这是一项“安全领域最困难、最耗时、也最昂贵的问题之一”。

基准测试数据

在 Cisco 自家的 VLoc Bench 上，500 个任务按 File F1 评分：GPT-5.5 以 0.229 和 0.221 领跑，Antares-3B 为 0.223，Antares-1B 为 0.209。其后是 GLM-5.2——一款 7530 亿参数模型——得分 0.186，以及 Gemini 3 Pro 的 0.152。一款 10 亿参数模型击败 7530 亿参数模型，是这条新闻的核心结果。

成本差距

用 Antares 跑完整个 500 任务评测，成本约为 0.82 美元；而 GPT-5.5 约为 141 美元，GLM-5.2 约为 12.50 美元——相较于几乎持平的前沿模型，便宜约 172 倍。在 16 个并行 worker 的情况下，它可在一块 H100 上约 13 分钟完成，而前沿模型大约需要五个小时。Antares 基于 IBM Granite 4.0 1B 构建，采用 Apache 2.0 许可，并在本地运行，因此源代码不会离开组织内部。

开放，但受控

访问经过审核。“我们对 3B 模型实施完全管控，以确保我们能负责任地将其发布给需要它的社区，”Amin Karbasi 说，他是 Cisco 的副总裁兼首席 AI 科学家。上述基准和成本数据均来自 Cisco 自身、其自家基准，尚无独立复现。