Cisco Foundation AI wydało Antares - specjalistyczną rodzinę małych modeli językowych (SLM) zaprojektowaną do jednego konkretnego zadania: lokalizacji luk bezpieczeństwa w kodzie. Mając opis podatności i repozytorium, modele znajdują pliki zawierające daną lukę. Dostępne są dwie wersje o architekturze otwartych wag - Antares-350M i Antares-1B - wraz z benchmarkem VLoc Bench zawierającym 500 zadań testowych, wszystko na licencji Apache 2.0.
Wyniki pokazują, że model 1B osiąga File F1 na poziomie 0.209, co jest konkurencyjne w stosunku do GPT-5.5 (0.229), chociaż mniejszy od wydajności 753B-parametrowego modelu open-weight (0.186). Cisco wyraźnie podkreśla, że Antares nie zastępuje całego łańcucha narzędzi do bezpieczeństwa aplikacji - zespoły nadal potrzebują skanowania zależności, wykrywania sekretów, testów dynamicznych, sprawdzania kontenerów, modelowania zagrożeń i przeglądu ekspertów.
Problem, który rozwiązuje Antares, to połączenie wiedzy o podatnościach z zewnętrznych baz danych i wyliczeniów CWE z rzeczywistym kodem źródłowym przechowywanymi w dużych, modułowych repozytoriach bogate w zależności. Cisco szacuje, że znaczna część kosztów bezpieczeństwa oprogramowania przypada na ten początkowy etap triaży - deweloperzy muszą przeszukiwać obcy kod, śledzić konwencje nazewnictwa, badać ścieżki wywołań i porównywać potencjalne pliki. Małe, wyspecjalizowane modele jak Antares mogą znacznie przyspieszyć ten proces.