Вышла новая модель Antares
Заявлено новое семейство компактных моделей Antares (https://huggingface.co/collections/fdtn-ai/antares) объёмом 350M, 1B и 3B параметров на базе IBM Granite для агентной локализации уязвимостей (CISCO), оптимизированное под агентную работу в репозитории.
Агенту необходимо, получив описание категории CWE и доступ только для чтения к кодовой базе (терминал, до 15 команд), автономно найти уязвимые файлы или заявить об их отсутствии.
Метод обучения совместил SFT (71% рассуждений в области кибербезопасности, 13% глубоких исследований, 15% траектории работы в терминале) со вспомогательной семантической обусловленностью наблюдений и GRPO с верифицируемыми наградами (качество локализации, валидность отправки, использование инструментов) на изолированных уязвимых репозиториях.
Анализ поведения выявил, что локализация, не зависящая от CVSS, сложнее для распределённых по многим файлам уязвимостей и больших репозиториев, а GRPO формирует стратегию "поиск-проверка-уточнение", снижая разброс и создавая масштабно-зависимую специализацию, когда малые модели тяготеют к поиску, тогда как крупные склоняются к верификации.
Способность к навигации и многошаговому использованию инструментов перенеслась на SWE-Bench и тесты общего вызова функций.
В результате на бенчмарке VLoc Bench из 500 задач Antares-3B (F1=0.223) приближается к GPT-5.5, превосходя открытые модели в 200 раз крупнее, при этом Antares-1B выделяется лучшей полнотой среди всех систем. Полный прогон 500 задач на одном H100 со временем менее 2 сек. на задачу занял примерно 15 мин. при стоимости одной задачи менее $0.002.
