Cisco Foundation AI rilascia Antares: modelli open-weight (350M e 1B) per localizzare vulnerabilità nei repository

Cosa è accaduto

Cisco Foundation AI ha pubblicato Antares, una famiglia di small language models (SLM) progettata specificamente per la localizzazione di vulnerabilità all'interno di codebase reali. Due varianti sono rese disponibili con pesi open-weight sotto licenza Apache 2.0: Antares-350M e Antares-1B (quest’ultimo riportato con 1.6 miliardi di parametri nel materiale di rilascio). Insieme ai modelli è stato pubblicato il Vulnerability Localization Benchmark (VLoc Bench), un set di valutazione agentico da 500 task utilizzato per misurare la capacità dei modelli di individuare i file vulnerabili a partire da descrizioni CWE.

Perché è importante

Il rilascio mette a disposizione una soluzione specializzata e open-weight per una fase concreta e costosa del processo di sicurezza: la prima triage che associa conoscenza delle vulnerabilità al codice sorgente interno. Secondo i risultati riportati, Antares-1B raggiunge 0.209 File F1 nella Phase A del benchmark, collocandosi sopra alcuni modelli open-weight molto più grandi (ad esempio GLM-5.2 a 753B a 0.186) e vicino a varianti frontier come GPT-5.5 (0.229). Il materiale include inoltre dettagli operativi e di deployment, costi di sweep e vincoli ambientali utili per valutare l'adozione in contesti CI o on-premise.

Possibili impatti

Dal punto di vista tecnologico, Antares dimostra che il training mirato su un compito agentico può produrre performance competitive con modelli di scala molto maggiore, potenzialmente riducendo costi e latenza per analisi di triage ripetute. Operativamente, la capacità di eseguire il loop agentico in ambienti air-gapped e senza inviare il codice a servizi esterni suggerisce un modello di integrazione in pipeline aziendali sensibili ai vincoli di riservatezza. Sul piano organizzativo, l'adozione potrebbe spostare parte del carico di ricerca iniziale dai team di sviluppo e sicurezza verso una fase automatizzata di proposta di file candidati, pur restando necessario il controllo umano e l'integrazione con strumenti esistenti di SAST e test dinamico.

La fonte riporta anche limiti concreti: forte calo di performance su repository di grandi dimensioni (il bucket oltre 10 MB contiene 223 dei 500 task del benchmark), difficoltà con vulnerabilità distribuite su molti file, assenza di localizzazione a livello di riga e mancanza di generazione di proof-of-concept. Inoltre la variante da 3B parametri, che raggiunge performance superiori, non è stata rilasciata.

Una possibile lettura

Antares rappresenta un caso pratico di specializzazione: modelli più compatti, se addestrati e ottimizzati per un flusso agentico definito, possono offrire economie di costo e integrazione utili per la fase di triage delle vulnerabilità. In scenari pratici ciò potrebbe tradursi in scansioni periodiche più economiche e ripetibili all'interno di pipeline CI, con output strutturato (lista di file e trace) facilmente consumabile da processi automatici. Tuttavia, i limiti tecnici impongono che Antares venga considerato uno strumento di supporto alla catena di sicurezza, non un sostituto: rimangono necessari altri controlli (dependency scanning, testing dinamico, revisione esperta) e attenzione a casi non coperti dal benchmark, come repository complessi o classi CWE non «greppabili». Infine, la decisione di accesso ai pesi (gated request, poi Apache 2.0) e le condizioni di acceptable use delineano un confine operativo che privilegia l'uso difensivo e la ricerca responsabile.

Fonte: MarkTechPost