思科近日正式发布消息，推出了Antares系列小语言模型，专为漏洞定位任务而设计。目前已在Hugging Face平台上线350M和1B参数两个版本，后续还将推出30亿参数（3B）的版本。
需要明确的是，Antares并非那种能自主扫描并发现未知漏洞的AI黑科技。它的核心定位是作为安全人员的高效辅助工具——专注于漏洞定位（Vulnerability Localization）。具体工作流程：模型接收到CWE漏洞类型及描述信息后，会调用终端命令对代码库进行扫描，最终生成一份检查报告。简而言之，它的目标是提升人工代码审查的效率，而非完全替代人类。
为验证模型实际效果，思科构建了专门的漏洞定位基准测试（Vulnerability Localization Benchmark），涵盖290个真实代码库、147种CWE漏洞类型，以及500个测试任务。根据官方技术报告，Antares-1B在漏洞文件检出率（Recall）上达到22.4%，在所有参与测试的模型中排名第一，甚至略高于GPT-5.5的22.1%。
另一个显著优势是模型体积较小，能够直接部署在本地或企业内部网络中，既实现了轻量化运行，又保障了数据隐私。不过需要强调的是，它的能力边界非常明确，本质上是一款辅助工具。企业若想构建完整的软件安全防护体系，仍需综合运用依赖组件分析、软件组成分析（SBOM）、敏感信息扫描、动态安全测试、威胁建模、漏洞修复，以及人工安全审查等多种手段，才能真正筑牢安全防线。
