--- title: "Cisco Antares：1B 本地漏洞定位 AI" canonical: https://wavect.io/zh/blog/cisco-antares-local-vulnerability-localization/ language: zh description: "Cisco Antares 评测：用 Antares-1B、GGUF 与 llama.cpp 做私有 CWE 漏洞定位，含 benchmark、CI/CD、安全风险与 14 天试点。" image: "https://wavect.io/img/general/bak/open_graph_preview.jpg" --- [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 9 分钟 阅读 · 2026年7月22日 最近审核 2026年8月7日 [**下一篇**](/zh/blog/meterless-ai-agent-context-layer-review/) # Cisco Antares 评测：用于漏洞定位的 1B 本地 AI 要点速览 Cisco Antares 是用于漏洞定位的开放权重安全 SLM，而非自主扫描器。Antares-1B 根据 CWE 描述和只读终端权限探索代码库，不使用外部检索，并返回候选文件。它在 500 个任务的 VLoc Bench 上取得 0.209 File F1，但大型代码库、多文件漏洞与依赖语义的 bug 仍然困难。社区约 1.96 GB 的 Q8_0 GGUF 可由 llama.cpp 运行，但尚无与原始权重 等价的公开 benchmark。应在无网络 sandbox 中部署，保留 SAST、SCA、密钥扫描、动态测试 与人工审查，并用每次正确定位所需的分析师分钟数衡量试点。 相关服务: [软件质量保证](/zh/services/software-quality-assurance/) **Cisco Antares 不是自主漏洞扫描器，不会生成补丁，也不能廉价取代渗透测试。**它是一个小型开放权重安全模型，专门回答一个更窄、却有商业价值的问题：给它一段 CWE 弱点描述和代码库的只读权限，安全工程师应该先检查哪些源文件？ 这个窄范围正是 Antares 的价值。已发布的 [Antares-1B](https://huggingface.co/fdtn-ai/antares-1b) 只有 10 亿参数，使用 Apache 2.0 许可证，不需要向量数据库或外部检索，并可连接本地 OpenAI 兼容 endpoint。一份 [社区 Q8_0 GGUF 转换](https://huggingface.co/mitkox/antares-1b-Q8_0-GGUF) 约为 1.96 GB，可由 llama.cpp 运行。这让专有代码的私有化、on-device 漏洞初筛变得现实。 限制也必须写在标题旁边：Cisco 自己的 benchmark 中，最佳模型的 File F1 只有 0.229；500 个任务中有 190 个难倒了全部参测模型。Antares 缩小搜索范围，却不能证明代码库安全。 | 问题 | 短答案 | 商业含义 | | --- | --- | --- | | 代码是否必须离开自有环境？ | 不必，前提是权重、推理 endpoint、CLI、日志和代码库 sandbox 都在本地。 | 适合未获云端审查许可的专有或受监管代码。 | | Antares 能确认漏洞吗？ | 不能。它从 CWE 描述对候选文件排序。 | 保留人工审查与现有 AppSec 工具链。 | | 能否使用 llama.cpp？ | 有社区 Q8_0 GGUF，llama.cpp 可提供兼容的本地服务。 | 容易试点，但尚无公开质量等价测试。 | | 能否进入 CI/CD？ | 可以。官方 CLI 支持 JSON 和 SARIF。 | 先做非阻塞 triage，不要直接卡 merge。 | | 能否取代 SAST 或渗透测试？ | 不能。 | 把它放在 advisory 接收与专家调查之间。 | ## Cisco Antares 是什么？ [Cisco Foundation AI 于 2026 年 7 月 21 日发布 Antares](https://blogs.cisco.com/ai/introducing-antares-the-most-efficient-open-weight-ai-models-for-vulnerability-localization) ，将其定位为安全专用 SLM 家族。Antares-350M 与 Antares-1B 已公开。Antares-3B 出现在技术报告和 benchmark 中，但发布时仍标为即将推出。 这些模型以 IBM Granite 4.0 为底座。Cisco 先通过监督微调训练网络安全推理、深度研究、终端使用和代码搜索，再用 Group Relative Policy Optimization 优化完整的代码库探索轨迹。换成直白的话，Antares 学的不只是漏洞术语，还包括搜索、读文件、放弃弱线索，以及在有限工具预算下提交文件路径。 [Antares 技术报告](https://cisco-foundation-ai.github.io/antares/technical-report.pdf) 描述了一个无网络、只读的代码库环境，每个任务最多 15 条终端命令。模型拿到 CWE ID 与通用描述后，用搜索和文件查看工具探索，最后返回可能存在漏洞的实现文件，或报告没有找到。 ## 什么是漏洞定位？ 漏洞检测问的是弱点是否存在。漏洞定位问的是相关实现在哪里。新的 advisory 到来后，团队可能已经知道 [CWE 弱点类别](https://cwe.mitre.org/) ，却仍要花数小时把 CVE 或 GHSA 穿过 wrapper、adapter、框架约定和调用路径，映射到真实文件。 1. **从有边界的安全假设开始。** 输入 CWE 与描述，不要要求它“找出所有漏洞”。 2. **探索代码库。** 模型搜索模式、打开候选文件、跟随 import，并修正假设。 3. **提交候选文件。** 结果是一条按优先级排序的审查队列，不是漏洞结论。 4. **交给确定性检查和人。** 工程师确认可达性、可利用性、受影响版本、严重程度与修复。 这个范围不会与我们的 [AI 生成代码 QA 流程](/zh/blog/qa-for-ai-generated-code/) 争夺同一搜索意图。后者覆盖授权、输入、密钥、负载、并发、依赖和回归测试。Antares 只拥有其中一步：从安全描述本地定位候选文件。 ## Benchmark 说明 Antares 有多好？ 新的 [Vulnerability Localization Benchmark](https://cisco-foundation-ai.github.io/vulnerability-localization-benchmark/) 包含 500 个任务，来自 290 个真实代码库、6 个包生态与 147 个 CWE 类别。每个任务都重建安全修复前的版本，并用真实 patch 修改的实现文件作为 ground truth。模型只看到通用 CWE 描述，并有 15 次终端调用。 | 模型 | 参数 | File F1 | Recall | | --- | --- | --- | --- | | GPT-5.5，xhigh | Frontier | 0.229 | 0.221 | | Antares-3B，GRPO | 3B | 0.223 | 0.221 | | Antares-1B，GRPO | 1B | 0.209 | 0.224 | | GLM-5.2 | 753B | 0.186 | 0.186 | | Antares-350M，GRPO | 350M | 0.135 | 0.178 | 核心结论成立：在这套 harness 上，专用训练让 1B 模型超过了大得多的通用模型。但 0.209 File F1 不等于找到了 20.9% 的漏洞。File F1 合并文件级 precision 和 recall，而且 Phase A 的每个代码库都保证含有已知漏洞。它不是普通代码库上的端到端检测率。 商业决策更应看限制。Cisco 表示，代码库超过 10 MB 后性能明显下降；涉及 5 个以上文件的漏洞依然困难；有明显、可 grep 模式的弱点，比权限、锁、内存泄漏等依赖语义的类别容易。训练数据截止于 2025 年 4 月 10 日。模型也不会解释文件为何有漏洞，不生成 exploit，不写补丁。 ## 换成 GGUF 与 llama.cpp 后发生什么？ Cisco 官方发布 Transformers 兼容权重，并提供连接用户自定义 OpenAI 兼容推理 endpoint 的 CLI。 [llama.cpp 正好能提供这种本地服务](https://github.com/ggml-org/llama.cpp) 。社区转换把 Antares-1B 打包成约 1.96 GB 的 Q8_0 GGUF。从架构上看，链路是完整的。 实际部署可以让 Antares 在小型 GB10 设备上，与更大的通用编程模型共享硬件。一个轻量 agent skill 驱动 Antares CLI 或其协议：输入代码库 snapshot 与 CWE，收集 JSON 或 SARIF，再把候选文件交给主编程 agent 和人工 reviewer。模型很小，因此不必长期占满大模型的推理资源。 - **官方 benchmark 不是 GGUF benchmark。** Cisco 报告单张 H100 配合并行 worker 约 13 至 15 分钟完成 500 个任务。这不能推出 GB10 或 llama.cpp 的速度。 - **Q8_0 等价性尚未证明。** 截至 2026 年 8 月 7 日，我们没有找到原始权重与 GGUF 的公开 VLoc A/B。 - **社区文件不是 Cisco 官方 artifact。** 试点必须固定文件、hash、源模型 revision，并在自己的历史案例上验证。 ## 如何把 Antares 放进 shift-left CI/CD？ 1. **由明确安全原因触发。** 使用从 CVE 或 GHSA 映射的 CWE、一次定向排查，或少量弱点类别。不要给“找出所有漏洞”这种无边界任务。 2. **创建只读 snapshot。** 在无网络容器中只挂载代码库和必要元数据，排除密钥、构建凭证、客户导出与无关生成文件。 3. **扫描相关 slice。** 优先检查本次修改的服务或依赖边界，以适应 15 条命令限制。 4. **输出 JSON 与 SARIF。** 官方 CLI 支持二者。 [GitHub 可把第三方 SARIF 导入 code scanning](https://docs.github.com/en/code-security/concepts/code-scanning/sarif-files) 。 5. **要求人工确认。** 候选文件只有在 reviewer 确认漏洞行为后才成为 finding。 6. **衡量被接受的结果。** 记录已知案例的 precision、recall、找到首个相关文件的时间、每个确认 finding 的审查分钟数和静默漏报。 只有某个具体类别在自有数据上表现足够好时，才把 Antares 升为阻塞 gate。即使如此，也要保留有责任人和审计记录的 bypass。 ## Antares 如何辅助 CVE 与 GHSA 调查？ Antares 不做外部检索。这既是隐私优势，也是工作流限制。它不会抓取最新 advisory，考虑到训练截止时间，也不该让它凭记忆描述最新漏洞。 1. 在独立、受治理的 intake 步骤获取 CVE 或 GHSA。 2. 核验受影响组件、版本范围、CWE 映射和 advisory 内容。 3. 只把确认过的 CWE 描述与批准上下文传给 Antares。 4. 用候选文件安排源码审查、依赖追踪和 patch 验证。 5. 记录 advisory revision、模型 hash、prompt、代码 commit、trace 和 reviewer 决策。 ## 本地推理是否等于安全？ **本地是一条有价值的数据边界，不是安全证书。**Model card 建议使用隔离 sandbox、关闭网络、仅授权安全人员访问、记录完整轨迹，并要求人工监督。Antares 会操作终端，而且没有作为通用对话助手进行独立安全对齐。 GGUF 路径还增加了一层 supply-chain 风险。llama.cpp 发布过恶意模型文件相关 advisory，包括一个由 [特制 GGUF 词表触发的 buffer overflow](https://github.com/ggml-org/llama.cpp/security/advisories/GHSA-8wwf-w4qm-gpqr) 。应保持 runtime 更新，固定可信下载位置和 hash，并仅在加固环境加载不可信权重。 还要检查 crash reporting、包安装、远程日志、CI artifact、SARIF 上传，以及接收 Antares 结果的主 agent。本地模型保护不了 harness 从其他路径送出去的代码。 ## Antares 应该补充什么，而不是取代什么？ | 控制 | 强项 | Antares 为何不能取代 | | --- | --- | --- | | SAST 与 CodeQL 类分析 | 规则、类型、source、sink 与 dataflow | 确定性 finding 和成熟 query pack 仍然必要。 | | 软件成分分析 | 已知漏洞依赖与许可证 | Antares 没有实时 advisory 数据库。 | | 密钥扫描 | 已提交的凭证与 token | 专用 detector 对这种模式更可靠。 | | 动态测试与渗透测试 | 运行时、exploit path、配置与漏洞链 | Antares 只返回文件，不能证明可利用性。 | | 人工安全审查 | 业务逻辑、威胁上下文、严重程度与修复质量 | Model card 明确要求人工监督。 | 如果你评估的是自主红队 harness，请看我们的 [T3MP3ST 评测](/zh/blog/t3mp3st-ai-red-teaming-review-2026/) 。如果问题是本地模型与 API 的成本，请看 [本地模型 break-even 指南](/zh/blog/local-models-vs-apis-break-even-eu-2026/) 。Antares 页面只占据“私有本地漏洞定位”这组搜索意图。 ## 一个 14 天商业试点 1. **选择 25 次历史调查。** 包括修复前后 snapshot、单文件和多文件漏洞、小型和大型代码库。 2. **冻结整个 stack。** 记录 Antares revision、GGUF hash、llama.cpp build、CLI、prompt、工具预算和硬件。 3. **盲测。** 不要向模型或首轮 reviewer 暴露 patch 文件与已知位置。 4. **对比 baseline。** 比较 Antares 加分析师与现有 SAST 加分析师流程。 5. **设定 go 或 no-go。** 要求中位 triage 时间明显下降、关键案例无不可接受漏报、trace 可审查、误报负担可持续。 决策指标不是每秒 token 数，而是**每次正确定位调查所需的分析师分钟数**，旁边必须同时列出 false negative。 ## 拥有你的 AI，也要拥有那些无聊的部分 拥有权重只是起点。运营上的 ownership 还包括推理 endpoint、代码库边界、日志、模型与 runtime 更新、评估集、失败策略和退出路径。放在桌上、却暗中依赖远程服务的模型并不完全本地。没有 benchmark 的本地模型，也还不是受控生产系统。 云端 AI 会围绕云平台公司的目标优化。如果能力、支持和速度比数据边界与可迁移性更重要，它仍可能是正确选择。错误在于把供应商的 alignment 当成自己的。Antares 提供了另一种现实选项：把这项窄安全任务、代码与证据都留在自己控制的边界内。 ## 常见问题 ### Cisco Antares 是什么？ Cisco Antares 是用于 agentic 漏洞定位的开放权重 SLM 家族。它根据 CWE 描述与只读终端权限探索代码库，返回供人工审查的候选实现文件。 ### Antares 能否完全本地分析代码库？ 可以，前提是权重、OpenAI 兼容推理 endpoint、CLI、sandbox 和日志都在自有环境。官方工作流不需要外部检索或向量数据库。 ### Antares 能否使用 llama.cpp 与 GGUF？ 社区已提供 Antares-1B 的 Q8_0 GGUF，llama.cpp 可通过本地 OpenAI 兼容 endpoint 运行。截至 2026 年 8 月 7 日，尚无公开 benchmark 证明它与原始权重质量等价。 ### Antares 能找 CVE 或 GHSA 漏洞吗？ 在可信 intake 把 advisory 映射到 CWE 后，它可帮助定位候选文件。Antares 不自行检索最新 advisory，训练数据截止于 2025 年 4 月 10 日。 ### Antares 能取代 SAST、CodeQL 或渗透测试吗？ 不能。它给出可能相关的文件，而非可利用性证明、修复方案或完整覆盖。 ### Antares 应该阻塞 CI 吗？ 初期不应该。先非阻塞收集 precision、recall、审查时间和漏报数据，只对经过自有数据验证的窄类别启用阻塞。 ## 一手来源与核验日期 - [Cisco Foundation AI 发布文章](https://blogs.cisco.com/ai/introducing-antares-the-most-efficient-open-weight-ai-models-for-vulnerability-localization) - [Antares 技术报告](https://cisco-foundation-ai.github.io/antares/technical-report.pdf) - [Antares-1B 官方 model card](https://huggingface.co/fdtn-ai/antares-1b) - [VLoc Bench 方法与结果](https://cisco-foundation-ai.github.io/vulnerability-localization-benchmark/) - [llama.cpp 代码库](https://github.com/ggml-org/llama.cpp) 产品状态、model card、benchmark、许可证与相关安全 advisory 均核验于 **2026 年 8 月 7 日**。本文独立撰写，未受赞助。我们没有复现 Cisco 的 H100 benchmark，也没有发布 GGUF 等价测试。 ## 最终思考 Antares 让漏洞 triage 不再那么像代码库考古，因为它专门处理第一道昂贵问题：安全工程师应该去哪里看？小体积、开放权重、只读 agent loop 与本地部署路径，使重复、私有的调查在商业上成为可能。 只有当限制始终可见时，模型才真正有用。它定位候选，不认证代码，不取代 AppSec 工具链，也不移除 reviewer。应在本地运行、放进 sandbox、用自己的旧事件测量，并只在证据足够时提升权限。 ## 你可能也喜欢.. [**AI 生成代码的 QA** 覆盖授权、输入、密钥、依赖、负载、失败路径与回归测试的完整生产就绪流程。](/zh/blog/qa-for-ai-generated-code/) [**直接上线原型，还是先加固？** 判断何时速度已经足够，何时用户、资金或敏感数据要求先做生产加固。](/zh/compare/ship-vibe-coded-as-is-vs-harden/) 模型与基础设施 ## 继续浏览此集群 [从核心文章开始**在欧盟自托管 LLM：开放权重模型何时才真正划算**](/zh/blog/self-hosting-llms-eu-cost/) - [Claude 会给文本加水印吗？2026 API 实战解读](/zh/blog/claude-text-watermark-api-2026/) - [OpenKB 评测：知识编译器 vs RAG](/zh/blog/openkb-review-vs-rag/) - [Unsloth Desktop 评测：私有本地 AI 工作站？](/zh/blog/unsloth-desktop-local-ai-workstation-review/) - [NeMo Switchyard 0.2：无需训练的智能体模型路由？](/zh/blog/nemo-switchyard-model-router/) - [Firecrawl AnyDoc 评测：14 种格式转 Markdown](/zh/blog/firecrawl-anydoc-review/) 只收重要内容 ## 关注与你相关的内容 每当我们发布新文章，你会收到一封简短邮件。你可以关注整个博客，也可以只选感兴趣的主题。 [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 9 分钟 阅读 · 2026年7月22日 最近审核 2026年8月7日 [**下一篇**](/zh/blog/meterless-ai-agent-context-layer-review/) 邮件订阅新文章 × × 通过邮件获取新文章 我们发布时给你一封简短邮件。免费，不做跟踪。 ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/zh/blog/cisco-antares-local-vulnerability-localization/#webpage", "@type": "WebPage", "dateModified": "2026-07-22", "inLanguage": "zh", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-07-22", "url": "https://wavect.io/zh/blog/cisco-antares-local-vulnerability-localization/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Cisco Antares 是用于漏洞定位的开放权重安全 SLM，而非自主扫描器。Antares-1B 根据 CWE 描述和只读终端权限探索代码库，不使用外部检索，并返回候选文件。它在 500 个任务的 VLoc Bench 上取得 0.209 File F1，但大型代码库、多文件漏洞与依赖语义的 bug 仍然困难。社区约 1.96 GB 的 Q8_0 GGUF 可由 llama.cpp 运行，但尚无与原始权重 等价的公开 benchmark。应在无网络 sandbox 中部署，保留 SAST、SCA、密钥扫描、动态测试 与人工审查，并用每次正确定位所需的分析师分钟数衡量试点。", "articleBody": " 博客概览/AI 与智能体/模型与基础设施 Cisco Antares 评测：用于漏洞定位的 1B 本地 AI 要点速览 Cisco Antares 是用于漏洞定位的开放权重安全 SLM，而非自主扫描器。Antares-1B 根据 CWE 描述和只读终端权限探索代码库，不使用外部检索，并返回候选文件。它在 500 个任务的 VLoc Bench 上取得 0.209 File F1，但大型代码库、多文件漏洞与依赖语义的 bug 仍然困难。社区约 1.96 GB 的 Q8_0 GGUF 可由 llama.cpp 运行，但尚无与原始权重 等价的公开 benchmark。应在无网络 sandbox 中部署，保留 SAST、SCA、密钥扫描、动态测试 与人工审查，并用每次正确定位所需的分析师分钟数衡量试点。 相关服务: 软件质量保证 Cisco Antares 不是自主漏洞扫描器，不会生成补丁，也不能廉价取代渗透测试。它是一个小型开放权重安全模型，专门回答一个更窄、却有商业价值的问题：给它一段 CWE 弱点描述和代码库的只读权限，安全工程师应该先检查哪些源文件？ 这个窄范围正是 Antares 的价值。已发布的 Antares-1B 只有 10 亿参数，使用 Apache 2.0 许可证，不需要向量数据库或外部检索，并可连接本地 OpenAI 兼容 endpoint。一份社区 Q8_0 GGUF 转换约为 1.96 GB，可由 llama.cpp 运行。这让专有代码的私有化、on-device 漏洞初筛变得现实。 限制也必须写在标题旁边：Cisco 自己的 benchmark 中，最佳模型的 File F1 只有 0.229；500 个任务中有 190 个难倒了全部参测模型。Antares 缩小搜索范围，却不能证明代码库安全。 Cisco Antares 采购结论，核验于 2026 年 8 月 7 日 问题短答案商业含义 代码是否必须离开自有环境？不必，前提是权重、推理 endpoint、CLI、日志和代码库 sandbox 都在本地。适合未获云端审查许可的专有或受监管代码。 Antares 能确认漏洞吗？不能。它从 CWE 描述对候选文件排序。保留人工审查与现有 AppSec 工具链。 能否使用 llama.cpp？有社区 Q8_0 GGUF，llama.cpp 可提供兼容的本地服务。容易试点，但尚无公开质量等价测试。 能否进入 CI/CD？可以。官方 CLI 支持 JSON 和 SARIF。先做非阻塞 triage，不要直接卡 merge。 能否取代 SAST 或渗透测试？不能。把它放在 advisory 接收与专家调查之间。 Cisco Antares 是什么？ Cisco Foundation AI 于 2026 年 7 月 21 日发布 Antares，将其定位为安全专用 SLM 家族。Antares-350M 与 Antares-1B 已公开。Antares-3B 出现在技术报告和 benchmark 中，但发布时仍标为即将推出。 这些模型以 IBM Granite 4.0 为底座。Cisco 先通过监督微调训练网络安全推理、深度研究、终端使用和代码搜索，再用 Group Relative Policy Optimization 优化完整的代码库探索轨迹。换成直白的话，Antares 学的不只是漏洞术语，还包括搜索、读文件、放弃弱线索，以及在有限工具预算下提交文件路径。 Antares 技术报告描述了一个无网络、只读的代码库环境，每个任务最多 15 条终端命令。模型拿到 CWE ID 与通用描述后，用搜索和文件查看工具探索，最后返回可能存在漏洞的实现文件，或报告没有找到。 什么是漏洞定位？ 漏洞检测问的是弱点是否存在。漏洞定位问的是相关实现在哪里。新的 advisory 到来后，团队可能已经知道 CWE 弱点类别，却仍要花数小时把 CVE 或 GHSA 穿过 wrapper、adapter、框架约定和调用路径，映射到真实文件。 从有边界的安全假设开始。输入 CWE 与描述，不要要求它“找出所有漏洞”。 探索代码库。模型搜索模式、打开候选文件、跟随 import，并修正假设。 提交候选文件。结果是一条按优先级排序的审查队列，不是漏洞结论。 交给确定性检查和人。工程师确认可达性、可利用性、受影响版本、严重程度与修复。 这个范围不会与我们的AI 生成代码 QA 流程争夺同一搜索意图。后者覆盖授权、输入、密钥、负载、并发、依赖和回归测试。Antares 只拥有其中一步：从安全描述本地定位候选文件。 Benchmark 说明 Antares 有多好？ 新的 Vulnerability Localization Benchmark 包含 500 个任务，来自 290 个真实代码库、6 个包生态与 147 个 CWE 类别。每个任务都重建安全修复前的版本，并用真实 patch 修改的实现文件作为 ground truth。模型只看到通用 CWE 描述，并有 15 次终端调用。 VLoc Bench Phase A 部分结果 模型参数File F1Recall GPT-5.5，xhighFrontier0.2290.221 Antares-3B，GRPO3B0.2230.221 Antares-1B，GRPO1B0.2090.224 GLM-5.2753B0.1860.186 Antares-350M，GRPO350M0.1350.178 核心结论成立：在这套 harness 上，专用训练让 1B 模型超过了大得多的通用模型。但 0.209 File F1 不等于找到了 20.9% 的漏洞。File F1 合并文件级 precision 和 recall，而且 Phase A 的每个代码库都保证含有已知漏洞。它不是普通代码库上的端到端检测率。 商业决策更应看限制。Cisco 表示，代码库超过 10 MB 后性能明显下降；涉及 5 个以上文件的漏洞依然困难；有明显、可 grep 模式的弱点，比权限、锁、内存泄漏等依赖语义的类别容易。训练数据截止于 2025 年 4 月 10 日。模型也不会解释文件为何有漏洞，不生成 exploit，不写补丁。 换成 GGUF 与 llama.cpp 后发生什么？ Cisco 官方发布 Transformers 兼容权重，并提供连接用户自定义 OpenAI 兼容推理 endpoint 的 CLI。llama.cpp 正好能提供这种本地服务。社区转换把 Antares-1B 打包成约 1.96 GB 的 Q8_0 GGUF。从架构上看，链路是完整的。 实际部署可以让 Antares 在小型 GB10 设备上，与更大的通用编程模型共享硬件。一个轻量 agent skill 驱动 Antares CLI 或其协议：输入代码库 snapshot 与 CWE，收集 JSON 或 SARIF，再把候选文件交给主编程 agent 和人工 reviewer。模型很小，因此不必长期占满大模型的推理资源。 官方 benchmark 不是 GGUF benchmark。Cisco 报告单张 H100 配合并行 worker 约 13 至 15 分钟完成 500 个任务。这不能推出 GB10 或 llama.cpp 的速度。 Q8_0 等价性尚未证明。截至 2026 年 8 月 7 日，我们没有找到原始权重与 GGUF 的公开 VLoc A/B。 社区文件不是 Cisco 官方 artifact。试点必须固定文件、hash、源模型 revision，并在自己的历史案例上验证。 如何把 Antares 放进 shift-left CI/CD？ 由明确安全原因触发。使用从 CVE 或 GHSA 映射的 CWE、一次定向排查，或少量弱点类别。不要给“找出所有漏洞”这种无边界任务。 创建只读 snapshot。在无网络容器中只挂载代码库和必要元数据，排除密钥、构建凭证、客户导出与无关生成文件。 扫描相关 slice。优先检查本次修改的服务或依赖边界，以适应 15 条命令限制。 输出 JSON 与 SARIF。官方 CLI 支持二者。GitHub 可把第三方 SARIF 导入 code scanning。 要求人工确认。候选文件只有在 reviewer 确认漏洞行为后才成为 finding。 衡量被接受的结果。记录已知案例的 precision、recall、找到首个相关文件的时间、每个确认 finding 的审查分钟数和静默漏报。 只有某个具体类别在自有数据上表现足够好时，才把 Antares 升为阻塞 gate。即使如此，也要保留有责任人和审计记录的 bypass。 Antares 如何辅助 CVE 与 GHSA 调查？ Antares 不做外部检索。这既是隐私优势，也是工作流限制。它不会抓取最新 advisory，考虑到训练截止时间，也不该让它凭记忆描述最新漏洞。 在独立、受治理的 intake 步骤获取 CVE 或 GHSA。 核验受影响组件、版本范围、CWE 映射和 advisory 内容。 只把确认过的 CWE 描述与批准上下文传给 Antares。 用候选文件安排源码审查、依赖追踪和 patch 验证。 记录 advisory revision、模型 hash、prompt、代码 commit、trace 和 reviewer 决策。 本地推理是否等于安全？ 本地是一条有价值的数据边界，不是安全证书。Model card 建议使用隔离 sandbox、关闭网络、仅授权安全人员访问、记录完整轨迹，并要求人工监督。Antares 会操作终端，而且没有作为通用对话助手进行独立安全对齐。 GGUF 路径还增加了一层 supply-chain 风险。llama.cpp 发布过恶意模型文件相关 advisory，包括一个由特制 GGUF 词表触发的 buffer overflow。应保持 runtime 更新，固定可信下载位置和 hash，并仅在加固环境加载不可信权重。 还要检查 crash reporting、包安装、远程日志、CI artifact、SARIF 上传，以及接收 Antares 结果的主 agent。本地模型保护不了 harness 从其他路径送出去的代码。 Antares 应该补充什么，而不是取代什么？ 控制强项Antares 为何不能取代 SAST 与 CodeQL 类分析规则、类型、source、sink 与 dataflow确定性 finding 和成熟 query pack 仍然必要。 软件成分分析已知漏洞依赖与许可证Antares 没有实时 advisory 数据库。 密钥扫描已提交的凭证与 token专用 detector 对这种模式更可靠。 动态测试与渗透测试运行时、exploit path、配置与漏洞链Antares 只返回文件，不能证明可利用性。 人工安全审查业务逻辑、威胁上下文、严重程度与修复质量Model card 明确要求人工监督。 如果你评估的是自主红队 harness，请看我们的 T3MP3ST 评测。如果问题是本地模型与 API 的成本，请看本地模型 break-even 指南。Antares 页面只占据“私有本地漏洞定位”这组搜索意图。 一个 14 天商业试点 选择 25 次历史调查。包括修复前后 snapshot、单文件和多文件漏洞、小型和大型代码库。 冻结整个 stack。记录 Antares revision、GGUF hash、llama.cpp build、CLI、prompt、工具预算和硬件。 盲测。不要向模型或首轮 reviewer 暴露 patch 文件与已知位置。 对比 baseline。比较 Antares 加分析师与现有 SAST 加分析师流程。 设定 go 或 no-go。要求中位 triage 时间明显下降、关键案例无不可接受漏报、trace 可审", "articleSection": "工程", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "dateModified": "2026-08-07", "datePublished": "2026-07-22", "description": "Cisco Antares 是用于漏洞定位的开放权重安全 SLM，而非自主扫描器。Antares-1B 根据 CWE 描述和只读终端权限探索代码库，不使用外部检索，并返回候选文件。它在 500 个任务的 VLoc Bench 上取得 0.209 File F1，但大型代码库、多文件漏洞与依赖语义的 bug 仍然困难。社区约 1.96 GB 的 Q8_0 GGUF 可由 llama.cpp 运行，但尚无与原始权重 等价的公开 benchmark。应在无网络 sandbox 中部署，保留 SAST、SCA、密钥扫描、动态测试 与人工审查，并用每次正确定位所需的分析师分钟数衡量试点。", "headline": "Cisco Antares 评测：用于漏洞定位的 1B 本地 AI", "image": "https://wavect.io/img/blog/headers/header_cisco-antares-local-vulnerability-localization.svg", "inLanguage": "zh", "mainEntityOfPage": { "@id": "https://wavect.io/zh/blog/cisco-antares-local-vulnerability-localization/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/zh/blog/cisco-antares-local-vulnerability-localization/", "wordCount": 728 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/zh/", "name": "首页", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/overview/", "name": "博客概览", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/topics/ai-agents/", "name": "AI 与智能体", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/clusters/models-infrastructure/", "name": "模型与基础设施", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/cisco-antares-local-vulnerability-localization/", "name": "Cisco Antares：1B 本地漏洞定位 AI | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Cisco Antares 是用于 agentic 漏洞定位的开放权重 SLM 家族。它根据 CWE 描述与只读终端权限探索代码库，返回供人工审查的候选实现文件。" }, "name": "Cisco Antares 是什么？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "可以，前提是权重、OpenAI 兼容推理 endpoint、CLI、sandbox 和日志都在自有环境。官方工作流不需要外部检索或向量数据库。" }, "name": "Antares 能否完全本地分析代码库？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "社区已提供 Antares-1B 的 Q8_0 GGUF，llama.cpp 可通过本地 OpenAI 兼容 endpoint 运行。截至 2026 年 8 月 7 日，尚无公开 benchmark 证明它与原始权重质量等价。" }, "name": "Antares 能否使用 llama.cpp 与 GGUF？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "在可信 intake 把 advisory 映射到 CWE 后，它可帮助定位候选文件。Antares 不自行检索最新 advisory，训练数据截止于 2025 年 4 月 10 日。" }, "name": "Antares 能找 CVE 或 GHSA 漏洞吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "不能。它给出可能相关的文件，而非可利用性证明、修复方案或完整覆盖。" }, "name": "Antares 能取代 SAST、CodeQL 或渗透测试吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "初期不应该。先非阻塞收集 precision、recall、审查时间和漏报数据，只对经过自有数据验证的窄类别启用阻塞。" }, "name": "Antares 应该阻塞 CI 吗？" } ] } ```