Cisco の小型 AI モデル、GPT-5.5 の 150 倍安く脆弱性検出

Cisco がサイバーセキュリティを目的とした2つの小規模オープンソース AI モデル「Antares-350M」と「Antares-1B」を導入した。両者はソフトウェアコード内の脆弱性を特定するよう最適化されており、これは従来的には手動コード審査またはより大規模で高価な AI システムで処理されてきたタスクである。

主な主張はコストと速度である。Axios が引用する Cisco 独自のテストによると、Antares は 500 個のコードリポジトリを約 15 分でスキャンし、1 ドル未満のコストで実施した。対照的に、GPT-5.5 は同じ作業を 5 時間で完了し、100 ドルを超えるコストがかかった。開発者 Aman Priyanshu は X 上で、最小モデルが Cognition の Devin Security Swarm のような大規模 AI エージェントよりもドル当たり約 150 倍多くの脆弱性を検出すると述べた。正確であれば、これは顕著な効率指標である。両モデルはローカルで動作し、コードを外部サーバーに送信しない。この機能は所有権のある、または規制対象のコードをオンプレミスに保つことに懸念を持つ組織にアピールする。

技術的基盤はドメイン固有のデータに関する訓練を伴っている。モデルは約 72％のセキュリティ概念データと 15％のコード検索履歴から学習した。Cisco は最大モデルである 30 億パラメータ版をリリースしておらず、自社製品用に保持している。記事によれば、この大規模版は GPT-5.5 に近い性能を発揮し、オープンモデルを最大 200 倍上回ると報告されている。2 つのオープンリリースを超えて、Cisco はまたオープン AI セキュリティツール向けの業界コンソーシアム構想を検討しており、協調的なセキュリティ AI 開発への長期的なコミットメントを示唆している。

Cisco による Antares のリリースは、より広い業界トレンドを反映している。つまり、ドメイン固有のデータで訓練された小規模で特殊化した AI モデルは、限定されたタスクにおいて大規模な汎用モデルを上回る可能性があるということだ。このモデルは約 72％のセキュリティ概念データと 15％のコード検索履歴で訓練されており、この焦点を絞ったデータセットが脆弱性検出における効率性を説明していると考えられる。GPT-5.5 との比較における コストと速度の優位性は顕著である。大規模モデルで 100 ドル以上かかり 5 時間を要するタスクが、Antares では 1 ドル未満で 15 分で完了できる。これは大規模コードベースで継続的なセキュリティスキャンを実行する企業にとって重要である。

Antares-350M と Antares-1B をオープンモデルとしてリリースする一方で、より大規模な 30 億パラメータ版を内部に保持することで、Cisco は賭けを両建てしている。つまり、オープンリリースを通じてコミュニティの採用と評判を得る一方で、最も能力の高いバリアントを自社の商用製品用に保持するということだ。オープン AI セキュリティツール向けの業界コンソーシアム構想の並行探索は、Cisco がセキュリティ AI が協調インフラストラクチャ層になると考えている可能性を示唆している。これは今日のオープンソースライブラリの動作方法と同様である。

まだコメントがありません。最初のコメントを投稿しましょう！