Ciscoが脆弱性の場所を特定する小型AI「Antares」を公開、GPT-5.5級の性能を低コストで実現
Ciscoが、ソースコード内で既知の脆弱(ぜいじゃく)性が存在する可能性の高いファイルを絞り込むことに特化した小規模言語モデル群「Antares」を発表しました。Antaresは大規模な汎用AIモデルより少ない計算資源で動作し、機密性の高いソースコードを外部のクラウドへ送ることなく、組織内の環境で分析できるよう設計されています。
Introducing Antares: Highly Efficient Open Weight AI Models for Vulnerability Localization - Cisco Blogs
Introducing Antares: @Cisco's family of small language models for locating known vulnerabilities in code.
Antares-350M and Antares-1B are live on Hugging Face now. They can outperform many larger closed- and open-weight models at a fraction of the cost.
Small enough to run… pic.twitter.com/xbwlLKJLEL— Cisco AI (@CiscoAI) July 21, 2026
Cisco launches Antares AI models to find software vulnerabilities
https://www.axios.com/2026/07/21/cisco-open-source-ai-models-cybersecurity
ソフトウェアの脆弱性を調査する際、セキュリティ担当者は公開された脆弱性情報やセキュリティ勧告を手掛かりに、巨大なコードベースの中から問題のあるファイルを探し出す必要があります。しかし、脆弱性につながるコードは何百万行ものコードの中に数行しか存在しない場合もあり、関連するファイルや処理の流れを追跡する作業には多くの時間と専門知識が求められます。
Ciscoが開発したAntaresは、こうした「脆弱性がどのファイルに存在するかを絞り込む作業」に特化した小規模言語モデルです。一般的なコーディング支援AIとは異なり、リポジトリ内を検索して候補となるファイルを読み込み、手掛かりが得られなければ検索方針を変えながら、脆弱性が存在する可能性の高いファイルを探します。
Today, @cisco launched Antares: a family of open-weight, small language models that pinpoint where known vulnerabilities exist within a codebase. Testing shows our Antares models outperform many open- and closed-weight models at critical security tasks - at a fraction of the…— Chuck Robbins (@ChuckRobbins) July 21, 2026
Antaresは脆弱性の説明を受け取ると、関連するコードパターンを検索し、発見した情報を基に次の調査対象を決めます。最終的には、脆弱性が含まれている可能性が高いソースファイルを順位付きで提示するとともに、どのような探索を経てその結論に至ったのかを示す記録も出力します。
CiscoはAntares-350MとAntares-1Bという、パラメーター数がそれぞれ3億5000万と10億のモデルをオープンウェイト形式で公開しています。モデルの重みはHugging Faceで提供され、Ciscoがサイバー防御を目的とする利用者であると確認したユーザーがダウンロードできます。海外ニュースメディアのAxiosによれば、より高性能な30億パラメーターのAntares-3Bについては一般公開せず、Ciscoのセキュリティ製品への組み込みが予定されています。
Open-source is not the cause of the cybersecurity crisis, it's the solution! https://t.co/YpykmLGv7B pic.twitter.com/x9wuHs4kvv— clem ???? (@ClementDelangue) July 21, 2026
CiscoはAntaresを評価するため、実際のソフトウェアリポジトリを使った500件の課題で構成される「Vulnerability Localization Benchmark」も開発しました。このベンチマークでは、未知のコードベースを効率的に探索しながら、CWEで分類される脆弱性の特徴を認識し、問題が存在するファイルを特定できるかどうかを測定します。
Ciscoによると、Antares-3B／1Bは同ベンチマークにおいて、OpenAIのGPT-5.5やZ.aiのGLM-5.2を含む、はるかに規模の大きなモデルに近い性能を示したとのこと。
また、Ciscoによれば、290件の実在するリポジトリから構成された500件の課題を処理するテストで、GPT-5.5が100ドル超(約1万6300円超)の費用と約5時間を要したのに対し、Antaresはいずれのモデルも1ドル(約163円)未満の費用と約15分で処理を終えたそうです。
ソフトウェアは更新されるたびに再検査する必要があるため、大規模モデルを継続的に利用すると費用や処理時間が膨らみます。小型のAntaresであれば、コードが変更されるたびに検査を行うCI/CDパイプラインへ組み込んだり、AIコーディングエージェントが生成したコードをリアルタイムで確認したりする用途にも適しているとCiscoは説明しています。
また、Antaresはローカル環境や組織内のサーバーで動作させることができるため、非公開のソースコードを外部のAI事業者へ送信する必要がありません。クラウド型の大規模モデルを継続的に利用する予算がない大学、研究機関、非営利団体、公共機関、小規模なセキュリティチームでも導入しやすい点が利点とされています。
ただし、Antaresは脆弱性を自動的に修正したり、既存のセキュリティ対策をすべて置き換えたりするものではありません。依存関係の分析、機密情報の検出、動的テスト、コンテナやインフラの検査、専門家による確認などと組み合わせ、調査の初期段階で確認すべきファイルを絞り込むための支援ツールとして位置付けられています。
Ciscoは、Antaresの目的について、AIを使ったセキュリティ対策を一部の大企業だけが利用できる高価な仕組みにするのではなく、評価可能で管理しやすい実用的な技術として広く利用できるようにすることだと説明しています。同社は今後、オープンな仕様やセキュリティ知識、導入しやすい小型モデル、共通ベンチマークを組み合わせ、AIを日常的なセキュリティ業務に取り入れられる基盤の構築を目指すと述べました。
