セキュリティアナリストが見慣れないリポジトリを開き、脆弱性アドバイザリーを確認しながら、その弱点が潜むファイルを探し始める場面を想像してください。命名規則は他人が決めたものであり、証拠となる手がかりは数千ファイルに及ぶコードベースのあちこちに散らばっています。
このトリアージの最初の段階には多くの時間と専門知識が費やされますが、Ciscoが着目したのはまさにこの部分でした。同社は本日、既知の脆弱性が存在する可能性が最も高いソースファイルをアナリストに示すために構築された小規模言語モデル群「Antares」を公開しました。このうちAntares-350MとAntares-1Bの2モデルは、Hugging Face上でオープンウェイトモデルとして提供されています。さらに大規模なAntares-3Bも今後公開される予定です。
自社環境で運用できる小規模設計
コンパクトなモデルはローカルまたはオンプレミスのハードウェア上で動作するため、チームは機密性の高いソースコードを自社内にとどめたまま、クラウドプロバイダーへのデータ送受信を省くことができます。処理あたりのコストも抑えられます。
Ciscoは大学、公共機関、研究機関、そして小規模なセキュリティチームをAntaresの主な対象として想定しています。こうした組織は限られた予算の中で重要なソフトウェアを維持管理しており、トークン消費量の多いモデルはこれまで手の届かない存在でした。
人間の調査手法を模倣した検索プロセス
各モデルは、調査担当者と同じような手順でリポジトリを調べていきます。まず脆弱性の説明文から出発し、一致するコードパターンを検索し、候補となるファイルを読み込み、新たな手がかりを取り込み、行き詰まった経路からは引き返し、該当するファイルへと絞り込んでいきます。出力結果は、ソースファイルのランク付きリストと、それを導き出した検索過程のトレースがセットになっています。
このアプローチは、コンパクトなモデルであっても検索・振り返り・戦略の修正・引き返しを学習できることを示した、Cisco Foundation AIの先行研究から生まれたものです。この研究は、モデルの規模に関する一つの教訓を示しました。すなわち、有用な検索行動は、比較的小規模なモデルであっても、学習された検索戦略によって実現できるということです。
Antaresが担うのは、より長い一連の工程のうちの一つのステップに過ぎません。依存関係やソフトウェア構成の分析、シークレットスキャン、動的テスト、脅威モデリング、専門家によるレビューといった、アプリケーションセキュリティの他の工程はそのまま維持されます。
Ciscoが独自ベンチマークを必要とした理由
一般的なコーディングベンチマークが測定するのは、これとは異なるタスクです。それらは、ソフトウェアの不具合や開発チケットに関連するコードをエージェントが見つけられるかどうかを試すものです。一方Antaresは、CWE形式のセキュリティ記述やアドバイザリーを基に動作します。
そこでCiscoは、見慣れないコードベースをたどりながら特定のCWEカテゴリーに関連するパターンを見つけ出すようモデルに求める、500件のエントリーからなる「Vulnerability Localization Benchmark」を独自に構築しました。これに最も近い先行研究はCodeScoutで、SWE-Bench Verifiedなどのスイートを用いてターミナルベースのコード検索エージェントを評価し、標準的なUnixターミナルを使ってコードのローカライゼーションを測定できることを示していました。
スコアの位置づけ
このベンチマークのF1スコアにおいて、Antaresのモデル群は、はるかに規模の大きいシステムがひしめく中でトップクラスにランクインしています。まだ公開されていないAntares-3Bは上位グループに名を連ね、最も高性能なGPT-5.5構成に迫るスコアを記録しています。Antares-1Bは、はるかに小さいサイズでありながらGLM-5.2やGemini 3 Proを上回りました。
運用コストの実態
このベンチマークにおいて、Antaresのモデル群は、Ciscoがテストしたより大規模なシステムのごく一部のコストで動作しました。上位モデル間でもコストの開きは大きくなっています。
脆弱性ローカライゼーションのベンチマークにおいて、Antaresのモデル群は比較対象となったより大規模なモデルよりも大幅に低い推定コストと実行時間で処理を完了しています（出典: Cisco）
今回の比較で最も高性能な非公開モデルであるGPT-5.5は、1回の評価あたり約141ドルのコストがかかります。
Antaresファミリーは、同じ処理をおよそ172分の1のコストでこなします。
今回の比較対象の中で最も優れたオープンウェイトモデルであるGLM-5.2は、1回の評価あたり約12.50ドルのコストがかかります。
これに対してAntaresは、約15.2分の1のコストで処理できます。実行時間についても同様の傾向が見られ、Antaresのモデル群が短時間で処理を終える一方、最大規模の非公開モデルは処理に数時間を要します。
このコスト差はCiscoの外部からも注目を集めました。スタンフォード大学でマネジメントサイエンス・エンジニアリングの教授を務めるAmin Saberi氏は、この点を「誰がコードを守れるのか」という問題に結び付けて論じています。
「セキュリティは贅沢品であってはなりません。しかし、高度なAIベースの検知技術は、これまで最先端規模の予算を持つ組織のものにほぼ限られていました。Antaresの結果はこの構図を変えるものです。セキュアなコード推論において最先端に近い精度を、わずかなコストで、しかもすべてのコミットで実行できるほど高速に実現しています。攻撃者がすでにAIを活用している今、こうした効率性は『あれば望ましい』ものではなく、あらゆるチームが常時稼働のセキュリティスキャンを実現するための必須条件なのです」
Antaresは、同じ問題の別の側面に取り組む、Ciscoによる先行する2つのリリース――エージェント型セキュリティ評価の指針となる「Foundry Security Spec」と、セキュアバイデフォルトなコーディングのためのルール集「CodeGuard」――に加わる形となります。350Mと1Bの重みは現在Hugging Faceで公開されており、Antares-3Bも今後続く予定です。
翻訳元: https://www.helpnetsecurity.com/2026/07/21/cisco-antares-vulnerability-localization-released/
