أعلنت شركة Cisco إطلاق عائلة نماذج Antares، وهي نماذج لغوية صغيرة ومفتوحة الأوزان مصممة لمعالجة واحدة من أكثر المهام استهلاكاً للوقت والتكلفة في مجال الأمن السيبراني، وهي التحديد الدقيق لمواقع الثغرات البرمجية المعروفة داخل مستودعات الأكواد البرمجية.
تستهدف هذه النماذج المتاحة عبر منصة Hugging Face بموجب ترخيص Apache 2.0، تمكين فرق الأمن في المؤسسات الأكاديمية والقطاع العام والشركات ذات الميزانيات المحدودة من امتلاك قدرات متقدمة لتقصي الثغرات بتكلفة منخفضة، مع إمكانية التشغيل المحلي للحفاظ على سرية الأكواد وإلغاء الحاجة للخدمات السحابية.
تضم العائلة نموذجين متاحين للعموم حالياً هما Antares-350M بحجم 350 مليون معامل، وAntares-1B بحجم 1 مليار معامل، بناء على بيانات Cisco Blogs وHugging Face وAxios. بينما تحتفظ Cisco بنسخة أكبر حجماً وأكثر قدرة هي Antares-3B بحجم 3 مليارات معامل، والتي ستُدمج في منتجاتها الأمنية الخاصة دون إتاحتها للتحميل العام في الوقت الحالي. وتتطلب آلية الحصول على النماذج المتاحة تقديم طلب وتأكيد هوية المدافع الأمني عبر Hugging Face.
وأوضحت الشركة أن النماذج تعمل بأسلوب تكراري يحاكي سلوك المحقق البشري؛ إذ تبدأ من وصف الثغرة، وتستخدم أوامر واجهة السطر البرمجي القياسية (CLI) مثل grep وfind وcat لاستكشاف المستودع وتفحص الملفات، ثم تتراجع عن المسارات غير المنتجة لتضييق نطاق البحث نحو الملفات الأكثر صلة.
جاء هذا الإطلاق ثمرة لأبحاث سابقة أجراها فريق Foundation AI في Cisco، والتي أثبتت أن النماذج المدمجة يمكنها تعلم استراتيجيات بحث متقدمة تشمل التفكير والتراجع وتنقيح المسار، دون الحاجة إلى أحجام هائلة من المعاملات.
ولم تعتمد Cisco على المعايير العامة لتقييم البرمجة، بل طورت معياراً جديداً أطلقت عليه اسم “معيار تحديد مواقع الثغرات” (Vulnerability Localization Benchmark)، يتكون من 500 مهمة تتطلب من النموذج التنقل في مستودع برمجي غير مألوف والتعرف على أنماط مرتبطة بفئات نقاط الضعف البرمجية الشائعة (CWE) المحددة.
وأظهرت النتائج تفوق نموذج Antares-1B على نماذج أكبر مثل GLM-5.2 وGemini 3 Pro. كما يقترب نموذج Antares-3B من أداء أفضل تكوينات GPT-5.5، وكل ذلك بجزء ضئيل من التكلفة وزمن التنفيذ؛ إذ تبلغ تكلفة التقييم لنماذج Antares نحو 0.82 دولار مقارنة بنحو 141 دولاراً لـ GPT-5.5 (أي أقل بـ 172 مرة)، ومقارنة بـ 12.50 دولار لـ GLM-5.2 (أي أقل بـ 15.2 مرة).
وعلى صعيد السرعة، تستغرق نماذج Antares زمناً قدره 15 دقيقة لمسح 500 مستودع برمجي، مقابل 5 ساعات يستغرقها نموذج GPT-5.5 وفقاً لموقع Axios. كما تدعم النماذج التشغيل المحلي بمرونة على وحدات معالجة الرسوميات (GPUs) المفردة مثل H100.
وعلق دي جاي سامباث، النائب الأول للرئيس والمدير العام لمنصة وبرمجيات الذكاء الاصطناعي في Cisco، في تصريح لموقع Axios أن الشركة تعاونت مع وكالات حكومية أمريكية لضمان سلامة الإصدار، مشيراً إلى وجود آلية تدقيق على Hugging Face تتحقق من أن المستخدمين مدافعون أمنيون وليسوا جهات خبيثة.
وترى أوساط أكاديمية متخصصة أن هذه النماذج تعيد تعريف معادلة الوصول إلى أدوات الكشف المعتمدة على الذكاء الاصطناعي. ونقل تقرير عن أمين صبري، أستاذ علوم وهندسة الإدارة في جامعة ستانفورد، قوله: “لا يمكن أن يكون الأمن سلعة فاخرة. نتائج Antares تغير هذه المعادلة: دقة قريبة من النماذج الحدودية بجزء من التكلفة، وسرعة كافية للعمل على كل تعديل برمجي”. وبدوره، رأى رضا شكري، الأستاذ المشارك في علوم الحاسوب بجامعة سنغافورة الوطنية، أن النموذج يقدم مثالاً مقنعاً على كيفية تنقل نموذج بهذا الحجم الصغير في مستودع برمجي وتحديد مشكلات أمنية كانت ستتطلب نماذج أضخم أو تحليلاً يدوياً أعمق.
تأتي هذه الخطوة استكمالاً لإصدارات سابقة من Cisco في المجال نفسه، مثل Foundry Security Spec الذي يوفر مخططاً لتقييم الأمن القائم على الوكلاء، وCodeGuard الذي يشكل مجموعة قواعد للبرمجة الآمنة افتراضياً. وتتجه Cisco حالياً نحو تشكيل اتحاد صناعي لتوسيع نطاق أدواتها الأمنية المفتوحة، في إطار رؤية أشمل يرى فيها سامباث “مجرد نقطة انطلاق”.
