सीधा जवाब: Cisco ने Antares नाम का एक ओपन-वेट AI मॉडल परिवार तीन छोटे आकारों में जारी किया है — 350 मिलियन, 1 बिलियन और 3 बिलियन पैरामीटर — जो एक ख़ास काम के लिए बनाया गया है: यह पहचानना कि किसी वास्तविक कोड रिपॉज़िटरी की कौन-सी फ़ाइलों में सुरक्षा कमज़ोरी है। लाइसेंस Apache 2.0 है, इसलिए व्यावसायिक उपयोग की अनुमति है, और मॉडल इतने छोटे हैं कि सबसे बड़ा मॉडल भी एक ही GPU पर चल जाता है। व्यवसाय मालिक के लिए व्यावहारिक नतीजा: आपके कोड की सुरक्षा स्कैनिंग आपके अपने इन्फ्रास्ट्रक्चर के भीतर संभव हो जाती है, इसलिए आपका प्रोजेक्ट कभी किसी बाहरी क्लाउड सेवा तक नहीं जाता, और लागत इतनी कम होती है कि साल में एक बार के बजाय हर अपडेट पर स्कैन किया जा सकता है।

Antares वास्तव में क्या करता है

Antares कोई सामान्य चैट मॉडल या कोडिंग सहायक नहीं है। यह एक एजेंट है जो एक ही काम में विशेषज्ञ है, जिसे कमज़ोरी-स्थानीयकरण (vulnerability localization) कहा जाता है। आप उसे CWE के रूप में वर्णित एक कमज़ोरी का प्रकार देते हैं — सॉफ़्टवेयर कमज़ोरियों की श्रेणियों का मानक वर्गीकरण, जैसे ऑपरेटिंग सिस्टम कमांड इंजेक्शन के लिए CWE-78 — साथ में एक कोड रिपॉज़िटरी, और वह उसी तरह काम में लग जाता है जैसे कोई सुरक्षा इंजीनियर करता है: grep, find और cat जैसी साधारण टर्मिनल कमांड चलाता है, आउटपुट पढ़ता है, उस पर तर्क करता है और क़दम-दर-क़दम खोज को सीमित करता है। अधिकतम 15 कमांड के बाद वह उन फ़ाइलों की सूची सौंपता है जिनमें उसके अनुसार कमज़ोरी है, या घोषित करता है कि रिपॉज़िटरी उस विशेष प्रकार से मुक्त है।

पारंपरिक स्टैटिक एनालिसिस टूल से अंतर यह है कि Antares न तो तय नियमों पर निर्भर करता है और न ही किसी वेक्टर डेटाबेस पर; वह वास्तव में रिपॉज़िटरी को खंगालता है, एक परिकल्पना बनाता है और उसकी पुष्टि करता है। Cisco इसे एक तैयार कमांड-लाइन टूल के साथ देता है, जो आपकी रिपॉज़िटरी के केवल-पढ़ने योग्य स्नैपशॉट पर काम करता है और परिणाम मानव-पठनीय, JSON या SARIF प्रारूप में लौटाता है — यानी ऐसा आउटपुट जो सीधे आपके मौजूदा सुरक्षा टूल और CI पाइपलाइनों से जुड़ जाता है।

वे आँकड़े जो आपके लिए मायने रखते हैं

मॉडलों को Vulnerability Localization Benchmark पर मापा गया: 500 वास्तविक प्रविष्टियाँ, जो 6 सॉफ़्टवेयर इकोसिस्टम और 147 CWE श्रेणियों में फैली हैं। प्रकाशित परिणाम:

  • प्रदर्शन: Antares-3B ने 0.223 का File F1 स्कोर हासिल किया, हर दूसरे ओपन-वेट मॉडल को पीछे छोड़ दिया — उन सिस्टमों सहित जो इससे 250 गुना बड़े हैं — और GPT-5.5 के क़रीब पहुँच गया।
  • लागत: इसने एक ही H100 पर लगभग 15 मिनट में 500 कार्यों का पूरा स्कैन $0.82 में पूरा किया, यानी प्रति कार्य लगभग $0.0016। तुलना के लिए: GLM-5.2 की लागत 50 मिनट में $12.50 रही, और GPT-5.5 की लागत 5 घंटे में $141 रही — जिससे Antares लगभग 172 गुना सस्ता बैठता है।
  • आकार: 350M संस्करण में 32K टोकन की कॉन्टेक्स्ट विंडो है और यह एज और IoT डिवाइसों के लिए है; 1B संस्करण में 128K की विंडो है और यह वर्कस्टेशन पर चलता है; 3B संस्करण में 128K की विंडो है, यह किसी भी एक GPU पर चलता है और प्रति सेकंड 1,500 से अधिक टोकन बनाता है।

इन आँकड़ों को पढ़ते समय एक ज़रूरी बात: इस काम में पैरामीटर की संख्या प्रदर्शन का बिल्कुल भी अनुमान नहीं देती। Llama-3.3-70B ने 0.012 स्कोर किया और Qwen3.5-122B ने 0.091 स्कोर किया, जबकि सिर्फ़ 3 बिलियन पैरामीटर वाले मॉडल ने 0.223 स्कोर किया। विशेषज्ञता ने आकार को हरा दिया।

यहाँ छोटा मॉडल सही विकल्प क्यों है

आप पूछ सकते हैं कि बस कोई बड़ा, ज़्यादा ताक़तवर मॉडल क्यों न इस्तेमाल किया जाए। इसके तीन कारण हैं। पहला, गोपनीयता: सुरक्षा टूल को कोड के क़रीब चलना चाहिए, और अपना सोर्स कोड किसी बाहरी API को भेजने से आपूर्ति-श्रृंखला का जोखिम खुलता है और आपकी बौद्धिक संपदा आपके नियंत्रण से बाहर चली जाती है। दूसरा, लागत: एजेंट कई चरणों में काम करते हैं, और हर चरण खपत को कई गुना बढ़ा देता है, इसलिए जो एक अनुरोध पर सस्ता दिखता है वह हज़ारों स्कैन में भारी बिल बन जाता है। तीसरा, गति: जो स्कैन पाँच घंटे लेता है वह हर push पर नहीं चल सकता, जबकि जो मिनटों में पूरा हो जाता है वह आपकी बिल्ड पाइपलाइन का स्वाभाविक हिस्सा बन जाता है।

Antares क्या नहीं करता — और यह मायने रखता है

यहाँ उत्साह से ज़्यादा ईमानदारी काम की है। 0.223 का स्कोर निरपेक्ष रूप से कम है, जिसका मतलब है कि मॉडल अक्सर ग़लत होता है और कभी-कभी सही। यह छँटाई का उपकरण है, फ़ैसले का नहीं: इसका काम हज़ारों फ़ाइलों के भूसे के ढेर को एक छोटी सूची तक घटाना है, जिसकी समीक्षा कोई मानव सुरक्षा इंजीनियर करता है। Cisco स्वयं दायरे से बाहर के उपयोगों में ये गिनाता है: मानवीय समीक्षा के बिना सुरक्षा निर्णय लेना, परीक्षण के बिना कमज़ोरियों का स्वचालित सुधार, और अनुपालन का अंतिम निर्धारण। इसके साथ प्रशिक्षण डेटा की कटऑफ़ तिथि 10 अप्रैल 2025 भी जोड़ लें, यानी मॉडल उस तारीख़ के बाद खोजी गई कमज़ोरियों के बारे में नहीं जानता।

सऊदी अरब में आपके व्यवसाय के लिए इसका क्या अर्थ है

तीन व्यावहारिक निष्कर्ष। पहला डेटा सुरक्षा से जुड़ा है: यदि आप व्यक्तिगत डेटा संरक्षण कानून (PDPL) के तहत काम करते हैं, तो आपके सिस्टम को छूने वाली हर बाहरी सेवा की समीक्षा ज़रूरी है, और आपके अपने सर्वरों के भीतर चलने वाला मॉडल यह सवाल पूरी तरह ख़त्म कर देता है। दूसरा लागत से जुड़ा है: कई मध्यम आकार की कंपनियाँ सुरक्षा स्कैनिंग टालती रहती हैं क्योंकि यह महँगी है और साल में एक बार किसी बाहरी फ़र्म के ज़रिये होती है; प्रति कार्य एक हलाला के अंश जितनी लागत पर, निरंतर स्कैनिंग एक आसान फ़ैसला बन जाती है। तीसरा दिशा से जुड़ा है: छोटे, विशेषज्ञ ओपन मॉडल तेज़ी से बेहतर हो रहे हैं, और जो आज ऐसे सिस्टम बनाता है जो इन टूल को डेवलपमेंट पाइपलाइन में शामिल कर सकें, उसे बिना दोबारा बनाए हर भावी सुधार का लाभ मिलेगा।

Origami में हम इसे कैसे देखते हैं

एक टेक्नोलॉजी कंपनी के रूप में, हम किसी भी नए टूल को बुनियादी बातों का विकल्प नहीं मानते। बुनियादी बातें अब भी लागू हैं: अनुशासित कोड समीक्षा, सही अनुमति प्रबंधन, डिपेंडेंसी अपडेट और लॉन्च से पहले सुरक्षा परीक्षण। Antares जैसे टूल जो जोड़ते हैं, वह है एक सस्ती, शुरुआती छँटाई परत, जो कंटीन्यूअस इंटीग्रेशन के भीतर चलती है और कोड के प्रोडक्शन तक पहुँचने से पहले आपकी टीम को चेतावनी देती है। और जब हम किसी क्लाइंट के लिए सिस्टम बनाते हैं, तो उसे इस तरह डिज़ाइन करते हैं कि वह बाद में यह परत अपना सके: एक व्यवस्थित रिपॉज़िटरी, एक स्वचालित बिल्ड पाइपलाइन और मानक प्रारूप में सुरक्षा आउटपुट। इस तरह इस क्षेत्र में हर प्रगति एक नए प्रोजेक्ट के बजाय हमारे क्लाइंट के लिए सीधा लाभ बन जाती है।

स्रोत: cisco-foundation-ai.github.io/antares पर Cisco Antares का आधिकारिक प्रोजेक्ट पेज, Hugging Face पर आधिकारिक मॉडल कार्ड, और तकनीकी रिपोर्ट "Antares: Foundation Models for Agentic Vulnerability Localization", Foundation AI, Cisco, 2026। प्रदर्शन और लागत के सभी आँकड़े Cisco के अपने मूल्यांकनों में प्रकाशित रूप में हैं।