La risposta diretta: Cisco ha rilasciato una famiglia di modelli di IA a pesi aperti chiamata Antares in tre dimensioni ridotte — 350 milioni, 1 miliardo e 3 miliardi di parametri — costruita per un compito specifico: identificare quali file di un repository di codice reale contengono una vulnerabilità di sicurezza. La licenza è Apache 2.0, quindi l'uso commerciale è consentito, e i modelli sono abbastanza piccoli da far girare il più grande su una singola GPU. Il risultato pratico per un imprenditore: la scansione di sicurezza del tuo codice diventa possibile all'interno della tua infrastruttura, così il tuo progetto non esce mai verso un servizio cloud esterno, a un costo abbastanza basso da poter eseguire la scansione a ogni aggiornamento anziché una volta l'anno.

Che cosa fa davvero Antares

Antares non è un modello di chat generico né un assistente alla programmazione. È un agente specializzato in un unico compito chiamato localizzazione delle vulnerabilità. Gli fornisci un tipo di vulnerabilità descritto come CWE — la classificazione standard delle categorie di debolezze del software, come CWE-78 per l'iniezione di comandi del sistema operativo — insieme a un repository di codice, e lui si mette al lavoro come farebbe un ingegnere della sicurezza: esegue comuni comandi da terminale come grep, find e cat, legge l'output, ragiona su di esso e restringe la ricerca passo dopo passo. Dopo un massimo di 15 comandi consegna l'elenco dei file che ritiene contengano la vulnerabilità, oppure dichiara il repository privo di quel tipo specifico.

La differenza rispetto ai tradizionali strumenti di analisi statica è che Antares non si basa né su regole fisse né su un database vettoriale; esplora davvero il repository, formula un'ipotesi e la verifica. Cisco lo distribuisce con uno strumento a riga di comando pronto all'uso che opera su uno snapshot in sola lettura del tuo repository e restituisce i risultati in formato leggibile, JSON o SARIF — cioè un output che si collega direttamente ai tuoi strumenti di sicurezza e alle tue pipeline di CI esistenti.

I numeri che contano per te

I modelli sono stati misurati sul Vulnerability Localization Benchmark: 500 casi reali che coprono 6 ecosistemi software e 147 categorie CWE. I risultati pubblicati:

  • Prestazioni: Antares-3B ha ottenuto un File F1 di 0,223, battendo ogni altro modello a pesi aperti — compresi sistemi 250 volte più grandi — e avvicinandosi a GPT-5.5.
  • Costo: ha completato l'intera analisi di 500 attività per 0,82 $ in circa 15 minuti su una singola H100, circa 0,0016 $ per attività. Per confronto: GLM-5.2 è costato 12,50 $ in 50 minuti, e GPT-5.5 è costato 141 $ nell'arco di 5 ore — il che rende Antares circa 172 volte più economico.
  • Dimensioni: la versione 350M ha una finestra di contesto di 32K token ed è pensata per dispositivi edge e IoT; la versione 1B ha una finestra di 128K e gira su una workstation; la versione 3B ha una finestra di 128K, gira su qualsiasi singola GPU e genera più di 1.500 token al secondo.

Una nota importante nella lettura di questi numeri: il numero di parametri non predice affatto le prestazioni in questo compito. Llama-3.3-70B ha ottenuto 0,012 e Qwen3.5-122B ha ottenuto 0,091, mentre un modello di soli 3 miliardi di parametri ha ottenuto 0,223. La specializzazione ha battuto la dimensione.

Perché un modello piccolo è la scelta giusta qui

Potresti chiederti perché non usare semplicemente un modello più grande e più potente. Il motivo è triplice. Primo, la privacy: gli strumenti di sicurezza dovrebbero girare vicino al codice, e inviare il tuo codice sorgente a un'API esterna apre un rischio nella supply chain e porta la tua proprietà intellettuale fuori dal tuo controllo. Secondo, il costo: gli agenti lavorano su più turni, e ogni turno moltiplica il consumo, quindi ciò che sembra economico in una singola richiesta diventa una bolletta pesante su migliaia di scansioni. Terzo, la velocità: una scansione che richiede cinque ore non può essere eseguita a ogni push, mentre una che termina in pochi minuti diventa una parte naturale della tua pipeline di build.

Cosa non fa Antares — ed è importante

Qui l'onestà è più utile dell'entusiasmo. Un punteggio di 0,223 è basso in termini assoluti, il che significa che il modello sbaglia spesso e indovina a volte. È uno strumento di triage, non di verdetto: il suo compito è ridurre il pagliaio da migliaia di file a un breve elenco che un ingegnere della sicurezza umano esamina. La stessa Cisco elenca tra gli usi fuori ambito: il processo decisionale di sicurezza senza revisione umana, la correzione automatizzata delle vulnerabilità senza test e la determinazione finale della conformità. A ciò si aggiunge una data limite dei dati di addestramento al 10 aprile 2025, il che significa che il modello non conosce le vulnerabilità scoperte dopo quella data.

Cosa significa per la tua azienda in Arabia Saudita

Tre indicazioni pratiche. La prima riguarda la protezione dei dati: se operi ai sensi della Legge sulla protezione dei dati personali (PDPL), ogni servizio esterno che tocca i tuoi sistemi deve essere esaminato, e un modello che gira all'interno dei tuoi server elimina completamente questa questione. La seconda riguarda il costo: molte medie imprese rimandano la scansione di sicurezza perché è costosa e viene fatta una volta l'anno da una società esterna; a frazioni di halala per attività, la scansione continua diventa una decisione facile. La terza riguarda la direzione: i modelli aperti piccoli e specializzati stanno migliorando rapidamente, e chi costruisce oggi sistemi in grado di accogliere questi strumenti nella pipeline di sviluppo trarrà vantaggio da ogni miglioramento futuro senza dover ricostruire.

Come affrontiamo la questione in Origami

In quanto azienda tecnologica, non consideriamo nessuno strumento nuovo un sostituto dei fondamentali. Le basi restano valide: revisione del codice disciplinata, gestione corretta dei permessi, aggiornamento delle dipendenze e test di sicurezza prima del lancio. Ciò che strumenti come Antares aggiungono è un livello di triage precoce ed economico che gira all'interno dell'integrazione continua e avvisa il tuo team prima che il codice arrivi in produzione. E quando costruiamo un sistema per un cliente, lo progettiamo per accogliere quel livello in seguito: un repository organizzato, una pipeline di build automatizzata e un output di sicurezza in un formato standard. In questo modo ogni progresso in questo campo diventa un guadagno diretto per il nostro cliente anziché un nuovo progetto.

Fonti: la pagina ufficiale del progetto Cisco Antares su cisco-foundation-ai.github.io/antares, la scheda ufficiale del modello su Hugging Face e il rapporto tecnico "Antares: Foundation Models for Agentic Vulnerability Localization", Foundation AI, Cisco, 2026. Tutti i dati su prestazioni e costi sono quelli pubblicati nelle valutazioni della stessa Cisco.