Antares: modelos de Cisco para detectar vulnerabilidades en código

⏱ Tiempo de lectura: 3 min

Cisco Foundation AI lanzó Antares, una familia de modelos de lenguaje compactos entrenados para localizar vulnerabilidades conocidas dentro de bases de código reales. Antares-1B alcanza una puntuación F1 de 0.209 en el nuevo Vulnerability Localization Benchmark, superando a GLM-5.2 con 753 mil millones de parámetros y a Gemini 3 Pro en la misma tarea.

Rendimiento y eficiencia frente a modelos grandes

Los puntos de control sin entrenamiento de Granite 4.0 obtienen puntuaciones cercanas a cero bajo el mismo protocolo, lo que indica que casi toda la capacidad proviene del entrenamiento posterior. Cisco reporta que un barrido completo de 500 tareas se ejecuta en aproximadamente 13 minutos en una única GPU H100 con un costo inferior a 1 dólar, en contraste con 141 dólares para GPT-5.5. Este resultado sugiere una ventaja significativa en eficiencia de costos para análisis de seguridad de código a escala. Los modelos de lenguaje especializados abiertos permiten a los equipos de seguridad ejecutar evaluaciones locales sin depender de API externas.

Modelos, capacidades y disponibilidad

Cisco lanzó dos variantes: Antares-350M y Antares-1B, ambas con pesos abiertos. Los modelos están diseñados específicamente para localizar vulnerabilidades conocidas dentro de repositorios de código reales, una tarea distinta de la detección de nuevas vulnerabilidades. La fuente no especifica en el texto fecha exacta de disponibilidad ni detalles completos de acceso a la API o formatos de descarga. Fuente original: MarkTechPost

Modelo	Parámetros	Benchmark F1	Capacidad
Antares-350M	350 millones	No especificado en fuente	Localización de vulnerabilidades conocidas
Antares-1B	1 mil millones	0.209	Localización de vulnerabilidades conocidas
Tiempo de ejecución (500 tareas)	H100 GPU	~13 minutos	Costo: <$1 USD
Comparativa: GPT-5.5	No especificado	No especificado	Costo 500 tareas: $141 USD

Qué significa para los usuarios y desarrolladores

Antares ofrece a los equipos de seguridad una forma económica de escanear bases de código grandes en busca de vulnerabilidades documentadas sin incurrir en costos de API externa o depender de servicios en la nube. La variante de 1 mil millones de parámetros demuestra que modelos más compactos pueden superar a sistemas mucho más grandes en tareas especializadas de seguridad. Para organizaciones que procesan auditorías de código frecuentes, la eficiencia de costos bajo 1 dólar por ejecución masiva representa una reducción material en gastos operativos.

Preguntas frecuentes sobre Antares

¿Cuál es la diferencia entre Antares-350M y Antares-1B?

Antares-350M contiene 350 millones de parámetros, mientras que Antares-1B contiene 1 mil millones. Ambas variantes están diseñadas para localizar vulnerabilidades conocidas dentro de código. La fuente no detalla puntuaciones de rendimiento específicas para la variante de 350M.

¿Cuándo estará disponible Antares?

La fuente indica que Cisco Foundation AI ha lanzado los modelos con pesos abiertos, pero no especifica fecha exacta de disponibilidad ni detalles de acceso a repositorios o API en el texto recibido.

¿Cuál es el costo de usar Antares frente a otros modelos?

Ejecutar 500 tareas de análisis cuesta menos de 1 dólar en una GPU H100, comparado con 141 dólares usando GPT-5.5 bajo el mismo protocolo. Esto sugiere una ventaja de eficiencia superior a 140 veces para este caso de uso específico.

Qué conviene mirar de cerca

Antares está entrenado específicamente para localizar vulnerabilidades conocidas, no para descubrir nuevas. Esto limita su aplicación a auditorías contra bases de datos de vulnerabilidades documentadas. La disponibilidad de pesos abiertos permite uso local, eliminando dependencia de proveedores externos de seguridad.

En Inteligencia Artificial consideramos que modelos especializados de tamaño compacto abiertos representan una tendencia importante para casos de uso donde eficiencia y control local son prioridades. ¿Adoptarán las organizaciones más herramientas de seguridad open-source frente a servicios en la nube?

Fuente: www.marktechpost.com