Ciscos 350-Millionen-Parameter-Modell findet 150x mehr Bugs pro Dollar als GPT-5.5
Cisco hat gerade zwei winzige KI-Modelle veröffentlicht, die Frontier-Systeme bei der Cybersicherheit übertreffen — und dabei nur einen Bruchteil dessen kosten, was GPT-5.5 verbraucht.
Die Antares-350M und Antares-1B, veröffentlicht von Cisco Foundation AI, sind Open-Weight-Modelle, die auf eine Aufgabe spezialisiert sind: bekannte Softwareschwachstellen in echten Codebasen zu finden. Ciscos Botschaft ist schonungslos einfach — das kleinste Modell erkennt etwa 150-mal mehr Sicherheitslücken pro Dollar als große KI-Agenten wie Cognitions Devin Security Swarm, so Entwickler Aman Priyanshu auf X. In Ciscos eigenen Tests halten die Zahlen.
Das Problem mit großen Modellen
Frontier-KI-Modelle sind in vielen Bereichen brillant, aber sie sind ein schlechtes Preis-Leistungs-Verhältnis bei engen, häufigen Aufgaben. GPT-5.5 oder Claude Fable 5 auf jeder Codezeile einer großen Unternehmenscodebasis laufen zu lassen, kostet ein Vermögen. Die Modelle sind enorm, die Latenz ist signifikant, und die Kosten pro Token summieren sich schnell, wenn man täglich Millionen von Codezeilen scannt.
Ciscos Antares-Modelle drehen diese Gleichung um. Das Antares-1B erreicht 0,209 File F1 im Vulnerability Localization Benchmark — ein Wert, der GLM-5.2 mit 753 Milliarden Parametern und Gemini 3 Pro schlägt. Ein 1-Milliarden-Parameter-Modell, das Systeme übertrifft, die 700-mal so groß sind, und das bei einer fokussierten Benchmark-Aufgabe.
"Das kleinste Modell erkennt etwa 150-mal mehr Sicherheitslücken pro Dollar als große KI-Agenten", erklärte Ciscos Aman Priyanshu. Das ökonomische Argument ist schwer zu widerlegen: kleine, spezialisierte Modelle, die lokal zu nahezu null Grenzkosten laufen, im Vergleich zu einem API-Aufruf jedes Mal, wenn eine Datei geprüft werden muss.
Für den Air Gap entwickelt
Beide Modelle laufen vollständig on-premise. Sensibler Quellcode verlässt nie die Unternehmensinfrastruktur. Für Organisationen in Verteidigung, Finanzen, kritischer Infrastruktur oder jedem Sektor, in dem Code klassifiziert ist, ist dies der Unterschied zwischen nutzbar und unbrauchbar.
Die Modelle wurden zu etwa 72 Prozent mit Sicherheitskonzeptdaten und zu 15 Prozent mit Codesuchverläufen trainiert. Diese konzentrierte Trainingsdiät bedeutet, dass sie keine allgemeinen Chat-Modelle sind — sie können keine Gedichte schreiben oder einen Urlaub planen. Was sie können, ist, sich eine Funktion anzusehen und zu sagen: "Zeile 47 hat ein SQL-Injection-Muster, das CVE-2026-1234 entspricht."
Cisco behält eine größere Drei-Milliarden-Parameter-Version für seine eigenen Produkte. Diese Version soll nahe an GPT-5.5 herankommen und Open-Source-Modelle übertreffen, die bis zu 200-mal so groß sind. Das Unternehmen prüft auch ein Industriekonsortium für offene KI-Sicherheitstools, was darauf hindeutet, dass Cisco dies als Plattform-Play und nicht als einmaliges Produkt betrachtet.
Die Spezialmodell-These
Die Antares-Veröffentlichung ist das jüngste und stärkste Signal dafür, dass die Besessenheit der KI-Branche von immer größeren Modellen für Unternehmensanwendungen fehlgeleitet sein könnte. Das Muster wiederholt sich in mehreren Bereichen: spezialisierte Modelle, die auf enge, hochwertige Daten trainiert wurden, übertreffen allgemeine Frontier-Modelle zu einem Bruchteil der Kosten, während sie auf Standardhardware laufen.
Ciscos Ansatz spiegelt wider, was Poolside mit seinem Laguna S 2.1-Codemodell (ebenfalls diese Woche veröffentlicht) und Cursor mit seinem Router-System tut, das einfache Anfragen an günstigere Modelle weiterleitet. Der Trend ist unverkennbar: Die Zukunft der angewandten KI könnte nicht aus einem riesigen Modell bestehen, das alles kann, sondern aus einem Schwarm winziger, spezialisierter Modelle, von denen jedes eine Sache brillant beherrscht.
Die Nuance
Bevor wir den Tod der Frontier-Modelle ausrufen, sind ein paar Einschränkungen erwähnenswert. Ciscos Benchmarks sind selbstberichtet, und die 150x-Effizienzangabe misst Sicherheitslücken pro Dollar, nicht die absolute Erkennungsqualität. Bei einer komplexen, neuartigen Schwachstelle, die kein kleines Modell im Training gesehen hat, könnten die breiteren Reasoning-Fähigkeiten eines Frontier-Modells weiterhin unerlässlich sein.
Die 3B-Parameterversion, die Cisco für sich behalten hat, soll nahe an GPT-5.5 herankommen — was darauf hindeutet, dass Ciscos eigene interne Schwelle für "gut genug" immer noch die Frontier-Marke ist. Die offenen Modelle sind für den Preis beeindruckend, aber das leistungsfähigste Modell des Unternehmens bleibt hinter der Firewall.
Dennoch bieten die Antares-Modelle für die überwältigende Mehrheit der Schwachstellenscans — Überprüfung bekannter CVE-Muster, Erkennung häufiger Injection-Fehler, Markierung von Fehlkonfigurationen — eine wirklich neue Kostenkalkulation. In der Cybersicherheit, wo das zu scannende Codevolumen exponentiell wächst und die Budgets nicht, ist diese Kalkulation entscheidend.
Quellen
Häufig gestellte Fragen
Was sind Ciscos Antares-Modelle?
Antares-350M und Antares-1B sind kleine Open-Weight-KI-Modelle von Cisco Foundation AI, die bekannte Softwareschwachstellen in echten Codebasen lokalisieren. Sie laufen lokal, sodass sensibler Code das Unternehmen nie verlässt.
Wie schneiden Antares-Modelle im Vergleich zu GPT-5.5 ab?
Cisco gibt an, dass Antares-350M etwa 150-mal mehr Sicherheitslücken pro Dollar erkennt als große KI-Agenten. Das Antares-1B-Modell erreicht 0,209 File F1 im Vulnerability Localization Benchmark und schlägt damit GLM-5.2 mit 753B Parametern und Gemini 3 Pro.
Sind Antares-Modelle Open Source?
Ja, beide Modelle sind als Open-Weight-Modelle unter der OpenMDW-1.1-Lizenz veröffentlicht. Eine größere 3B-Parameterversion behält Cisco für eigene Produkte und soll nahe an GPT-5.5 herankommen.
Auf welchen Daten wurden die Modelle trainiert?
Die Modelle wurden zu etwa 72 Prozent mit Sicherheitskonzeptdaten und zu 15 Prozent mit Codesuchverläufen trainiert, was sie hochspezialisiert für die Erkennung von Cybersicherheitsschwachstellen macht.
Können Antares-Modelle on-premise ausgeführt werden?
Ja, beide Modelle laufen lokal, sodass sensibler Quellcode die Unternehmensinfrastruktur nie verlässt. Sie sind für Organisationen mit strengen Datensicherheitsanforderungen konzipiert.
Weitere Artikel
Wenn KI KI angreift: Der Hugging-Face-Hack, der die Regeln brach
Ein autonomes KI-Agentensystem drang in die Infrastruktur von Hugging Face ein und protokollierte über 17.000 Aktionen in einem Wochenende. Dann blockierten die eigenen KI-Sicherheitsfilter der Verteidiger deren Gegenwehr mit kommerziellen Modellen.
400 Millionen Dollar für ein öffentliches KI-Netz: Current AI will das World Wide Web der KI bauen
Current AI, eine 2025 gegründete Nonprofit-Organisation, hat 400 Millionen Dollar von der französischen Regierung, Stiftungen und Technologieunternehmen gesammelt, um eine öffentliche KI-Infrastruktur aufzubauen — darunter ein Offline-Gerät mit 22 indischen Sprachen und einen Open-Source-Chatbot.
Alibabas Qwen 3.8 behauptet, nur hinter Fable 5 zu liegen — und die Open-Weight-Veröffentlichung kommt
Alibaba hat ein 2,4-Billionen-Parameter-Modell vorgestellt, das angeblich nur von Claude Fable 5 übertroffen wird — eine direkte Herausforderung an Moonshots Kimi K3, und der Open-Weight-Wettbewerb zwischen chinesischen KI-Labors wird plötzlich zum spannendsten Rennen der KI-Branche.