سیدھا جواب: Cisco نے Antares نامی ایک اوپن ویٹ AI ماڈل فیملی تین چھوٹے سائز میں جاری کی ہے — 350 ملین، 1 بلین اور 3 بلین پیرامیٹرز — جو ایک مخصوص کام کے لیے بنائی گئی ہے: یہ پہچاننا کہ کسی حقیقی کوڈ ریپوزیٹری کی کون سی فائلوں میں سکیورٹی کمزوری موجود ہے۔ لائسنس Apache 2.0 ہے، اس لیے تجارتی استعمال کی اجازت ہے، اور ماڈلز اتنے چھوٹے ہیں کہ سب سے بڑا بھی ایک ہی GPU پر چل جاتا ہے۔ کاروباری مالک کے لیے عملی نتیجہ یہ ہے کہ آپ کے کوڈ کی سکیورٹی اسکیننگ آپ کے اپنے انفراسٹرکچر کے اندر ممکن ہو جاتی ہے، اس لیے آپ کا پروجیکٹ کبھی کسی بیرونی کلاؤڈ سروس تک نہیں جاتا، اور لاگت اتنی کم ہے کہ سال میں ایک بار کے بجائے ہر اپ ڈیٹ پر اسکین کیا جا سکتا ہے۔

Antares دراصل کیا کرتا ہے

Antares کوئی عام چیٹ ماڈل یا کوڈنگ اسسٹنٹ نہیں ہے۔ یہ ایک ایجنٹ ہے جو ایک ہی کام میں مہارت رکھتا ہے جسے کمزوری کی نشاندہی (vulnerability localization) کہا جاتا ہے۔ آپ اسے CWE کی صورت میں بیان کردہ کمزوری کی ایک قسم دیتے ہیں — سافٹ ویئر کمزوریوں کے زمروں کی معیاری درجہ بندی، جیسے آپریٹنگ سسٹم کمانڈ انجیکشن کے لیے CWE-78 — اور ساتھ میں ایک کوڈ ریپوزیٹری، اور یہ اسی طرح کام شروع کرتا ہے جیسے کوئی سکیورٹی انجینئر کرتا ہے: grep، find اور cat جیسی عام ٹرمینل کمانڈز چلاتا ہے، آؤٹ پٹ پڑھتا ہے، اس پر غور کرتا ہے اور قدم بہ قدم تلاش کو محدود کرتا ہے۔ زیادہ سے زیادہ 15 کمانڈز کے بعد یہ ان فائلوں کی فہرست پیش کرتا ہے جن میں اس کے خیال میں کمزوری موجود ہے، یا اعلان کرتا ہے کہ ریپوزیٹری اس مخصوص قسم سے پاک ہے۔

روایتی اسٹیٹک اینالیسس ٹولز سے فرق یہ ہے کہ Antares نہ تو مقررہ اصولوں پر انحصار کرتا ہے اور نہ ہی کسی ویکٹر ڈیٹابیس پر؛ یہ واقعی ریپوزیٹری کو کھنگالتا ہے، ایک مفروضہ قائم کرتا ہے اور اس کی تصدیق کرتا ہے۔ Cisco اسے ایک تیار کمانڈ لائن ٹول کے ساتھ فراہم کرتا ہے جو آپ کی ریپوزیٹری کے صرف پڑھنے کے قابل اسنیپ شاٹ پر کام کرتا ہے اور نتائج انسانی طور پر پڑھنے کے قابل، JSON یا SARIF فارمیٹ میں واپس کرتا ہے — یعنی ایسا آؤٹ پٹ جو براہ راست آپ کے موجودہ سکیورٹی ٹولز اور CI پائپ لائنز سے جڑ جاتا ہے۔

وہ اعداد و شمار جو آپ کے لیے اہم ہیں

ماڈلز کو Vulnerability Localization Benchmark پر پرکھا گیا: 500 حقیقی اندراجات، جو 6 سافٹ ویئر ایکو سسٹمز اور 147 CWE زمروں پر محیط ہیں۔ شائع شدہ نتائج:

  • کارکردگی: Antares-3B نے 0.223 کا File F1 اسکور حاصل کیا، اور ہر دوسرے اوپن ویٹ ماڈل کو پیچھے چھوڑ دیا — بشمول ایسے سسٹمز جو اس سے 250 گنا بڑے ہیں — اور GPT-5.5 کے قریب پہنچ گیا۔
  • لاگت: اس نے ایک ہی H100 پر تقریباً 15 منٹ میں 500 کاموں کا مکمل اسکین $0.82 میں مکمل کیا، یعنی فی کام تقریباً $0.0016۔ موازنے کے لیے: GLM-5.2 پر 50 منٹ میں $12.50 لاگت آئی، اور GPT-5.5 پر 5 گھنٹوں میں $141 لاگت آئی — جس سے Antares تقریباً 172 گنا سستا بنتا ہے۔
  • سائز: 350M ورژن میں 32K ٹوکن کی کانٹیکسٹ ونڈو ہے اور یہ ایج اور IoT ڈیوائسز کے لیے ہے؛ 1B ورژن میں 128K کی ونڈو ہے اور یہ ورک اسٹیشن پر چلتا ہے؛ 3B ورژن میں 128K کی ونڈو ہے، یہ کسی بھی ایک GPU پر چلتا ہے اور فی سیکنڈ 1,500 سے زیادہ ٹوکن بناتا ہے۔

ان اعداد کو پڑھتے وقت ایک اہم نکتہ: اس کام میں پیرامیٹرز کی تعداد کارکردگی کی بالکل پیش گوئی نہیں کرتی۔ Llama-3.3-70B نے 0.012 اسکور کیا اور Qwen3.5-122B نے 0.091 اسکور کیا، جبکہ صرف 3 بلین پیرامیٹرز والے ماڈل نے 0.223 اسکور کیا۔ مہارت نے سائز کو شکست دے دی۔

یہاں چھوٹا ماڈل درست انتخاب کیوں ہے

آپ پوچھ سکتے ہیں کہ کیوں نہ بس کوئی بڑا اور زیادہ طاقتور ماڈل استعمال کیا جائے۔ اس کی تین وجوہات ہیں۔ پہلی، رازداری: سکیورٹی ٹولز کو کوڈ کے قریب چلنا چاہیے، اور اپنا سورس کوڈ کسی بیرونی API کو بھیجنے سے سپلائی چین کا خطرہ پیدا ہوتا ہے اور آپ کی دانشورانہ ملکیت آپ کے کنٹرول سے باہر چلی جاتی ہے۔ دوسری، لاگت: ایجنٹس کئی مراحل میں کام کرتے ہیں، اور ہر مرحلہ کھپت کو کئی گنا بڑھا دیتا ہے، اس لیے جو چیز ایک درخواست پر سستی لگتی ہے وہ ہزاروں اسکینز میں بھاری بل بن جاتی ہے۔ تیسری، رفتار: جو اسکین پانچ گھنٹے لیتا ہے وہ ہر push پر نہیں چل سکتا، جبکہ جو منٹوں میں مکمل ہو جائے وہ آپ کی بلڈ پائپ لائن کا فطری حصہ بن جاتا ہے۔

Antares کیا نہیں کرتا — اور یہ اہم ہے

یہاں جوش سے زیادہ دیانت داری مفید ہے۔ 0.223 کا اسکور مطلق لحاظ سے کم ہے، جس کا مطلب ہے کہ ماڈل اکثر غلط ہوتا ہے اور کبھی کبھار درست۔ یہ ابتدائی چھانٹی کا ٹول ہے، فیصلے کا نہیں: اس کا کام ہزاروں فائلوں کے بھوسے کے ڈھیر کو ایک مختصر فہرست تک گھٹانا ہے جس کا جائزہ کوئی انسانی سکیورٹی انجینئر لیتا ہے۔ Cisco خود دائرہ کار سے باہر کے استعمالات میں یہ گنواتا ہے: انسانی جائزے کے بغیر سکیورٹی فیصلہ سازی، جانچ کے بغیر کمزوریوں کی خودکار اصلاح، اور تعمیل کا حتمی تعین۔ اس کے ساتھ تربیتی ڈیٹا کی آخری تاریخ 10 اپریل 2025 بھی شامل کر لیں، یعنی ماڈل اس تاریخ کے بعد دریافت ہونے والی کمزوریوں کے بارے میں نہیں جانتا۔

سعودی عرب میں آپ کے کاروبار کے لیے اس کا کیا مطلب ہے

تین عملی نتائج۔ پہلا ڈیٹا کے تحفظ سے متعلق ہے: اگر آپ ذاتی ڈیٹا کے تحفظ کے قانون (PDPL) کے تحت کام کرتے ہیں تو آپ کے سسٹمز کو چھونے والی ہر بیرونی سروس کا جائزہ ضروری ہے، اور آپ کے اپنے سرورز کے اندر چلنے والا ماڈل یہ سوال مکمل طور پر ختم کر دیتا ہے۔ دوسرا لاگت سے متعلق ہے: بہت سی درمیانے درجے کی کمپنیاں سکیورٹی اسکیننگ کو ملتوی کرتی رہتی ہیں کیونکہ یہ مہنگی ہے اور سال میں ایک بار کسی بیرونی فرم کے ذریعے کی جاتی ہے؛ فی کام ایک ہللہ کے کسر جتنی لاگت پر، مسلسل اسکیننگ ایک آسان فیصلہ بن جاتی ہے۔ تیسرا سمت سے متعلق ہے: چھوٹے، مخصوص اوپن ماڈلز تیزی سے بہتر ہو رہے ہیں، اور جو آج ایسے سسٹمز بناتا ہے جو ان ٹولز کو ڈیولپمنٹ پائپ لائن میں شامل کر سکیں، وہ دوبارہ تعمیر کیے بغیر ہر آئندہ بہتری سے فائدہ اٹھائے گا۔

Origami میں ہم اس معاملے کو کیسے دیکھتے ہیں

ایک ٹیکنالوجی کمپنی کے طور پر ہم کسی بھی نئے ٹول کو بنیادی اصولوں کا متبادل نہیں سمجھتے۔ بنیادی باتیں اب بھی برقرار ہیں: منظم کوڈ ریویو، اجازتوں کا درست انتظام، ڈیپینڈنسیز کی اپ ڈیٹ اور لانچ سے پہلے سکیورٹی ٹیسٹنگ۔ Antares جیسے ٹولز جو اضافہ کرتے ہیں وہ ایک سستی، ابتدائی چھانٹی کی تہہ ہے جو کنٹینیوئس انٹیگریشن کے اندر چلتی ہے اور کوڈ کے پروڈکشن تک پہنچنے سے پہلے آپ کی ٹیم کو خبردار کرتی ہے۔ اور جب ہم کسی کلائنٹ کے لیے سسٹم بناتے ہیں تو اسے اس طرح ڈیزائن کرتے ہیں کہ وہ بعد میں یہ تہہ قبول کر سکے: ایک منظم ریپوزیٹری، ایک خودکار بلڈ پائپ لائن اور معیاری فارمیٹ میں سکیورٹی آؤٹ پٹ۔ اس طرح اس شعبے میں ہر پیش رفت کسی نئے پروجیکٹ کے بجائے ہمارے کلائنٹ کے لیے براہ راست فائدہ بن جاتی ہے۔

ذرائع: cisco-foundation-ai.github.io/antares پر Cisco Antares کا سرکاری پروجیکٹ صفحہ، Hugging Face پر سرکاری ماڈل کارڈ، اور تکنیکی رپورٹ "Antares: Foundation Models for Agentic Vulnerability Localization"، Foundation AI، Cisco، 2026۔ کارکردگی اور لاگت کے تمام اعداد و شمار Cisco کی اپنی جانچ میں شائع شدہ صورت میں ہیں۔