Antares är en ny familj av kompakta AI-modeller som har tagits fram av Cisco för att förenkla och kostnadseffektivisera ett av de svåraste och mest tidskrävande momenten i mjukvaruutveckling.
AI-explosionen är i ett skede där många verksamheter strävar efter att effektivisera AI-arbetet, kontrollera kostnader och energiåtgång. Det leder till att intresset för SLM, små språkmodeller, med färre men specialiserade förmågor, blir allt större.
Ett exempel på detta är Antares, en modellfamilj som Cisco lanserat under sommaren, och som är skapade för att göra en enda sak – spåra sårbarheter och säkerhetsluckor i mjukvara. När cyberbrottslingar och hotaktörer i allt större utsträckning utnyttjar AI-verktyg för att snabbt hitta och exploatera säkerhetshål, blir det viktigare än någonsin att täppa till luckorna innan ett program tas i bruk. För det krävs att kraftfulla AI-säkerhetsverktyg görs tillgängliga för utvecklare oavsett storlek och ekonomiska resurser.
Antares-modellerna är så kompakta att de går att köras helt lokalt, utan att ta molnkapacitet i anspråk, vilket innebär fördelar med både kostnadeffektivitet och krav på datasuveränitet. De använder ett ”människolikt” tillvägagångssätt för att undersöka kod utifrån olika sårbarhetsbeskrivningar, och hitta och utvärdera tänkbara svaga punkter.
I benchmarktester uppges de ha presterat i klass med eller ofta bättre än många större språkmodeller, till en bråkdel av kostnaden.
De två modellerna, Antares-350M och Antares-1B, görs tillgängliga till den bredare cybersäkerhets- och utvecklarcommunityn via kodbiblioteket HuggingFace.
