Antares-350M
一款面向安全工程与代码审计场景的开源小语言模型，主要帮助开发者和安全团队在代码库中定位已知漏洞线索并产出初步排查结果。
工具简介
目前可判断 Antares-350M 值得把它看作“安全漏洞定位专用小模型”来关注，但证据更能证明它有热度，不足以单独证明它已经是成熟稳定的通用安全扫描方案。现有来源主要来自 Hugging Face 页面被转发，以及 X 上对 Cisco 发布 Antares 家族的介绍，能支持“它是开源权重、体量较小、目标是找已知漏洞”这几个基础判断。它不是通用代码大模型，也不是完整 SAST 平台，更像是可嵌入工作流的轻量安全定位模型，类比上更接近“给安全/代理流程调用的专项模型组件”。
实际作用上，社媒反复提到它用于 pinpoint known vulnerabilities、识别相关文件、配合 terminal agent 或 agentic workflow，因此更适合做漏洞排查前置、候选文件缩小、自动化安全流程中的一环，而不是替代人工审计后直接给出可上线结论。现有证据没有看到系统化实测、长教程、对比基准拆解或企业落地复盘，所以“能不能稳定发现复杂 0day、误报率如何、对不同语言泛化如何”都还不能下强结论。热度证明方面，X 转发、 roundup 帖和“下载/点赞增长”只能说明受关注；好用证明目前偏弱。
门槛和成本方面，已知较可靠的是 Hugging Face 上有开放权重，可本地部署，这通常意味着推理成本有机会低于大模型 API，但这里没有官方定价、托管费用或硬件建议证据，因此不能把“便宜、可边缘部署”当成稳定承诺；这最多属于基于 350M 规模和社媒表述的保守推断。真正采用门槛更可能在于你是否已经有代码扫描、仓库索引、代理编排和安全验证流程，因为单独有模型并不等于得到完整产品体验。
更适合它的人群，是想在本地或私有环境里尝试安全专项模型的安全工程师、平台工程师、做 agentic coding/security workflow 的开发者；不太适合期待“一键替代 SAST/审计团队”的用户，也不适合把它当通用编程助手的人。社媒共识比较集中：大家认可它定位鲜明、体积小、由 Cisco 发布；但讨论质量以转发、新闻式摘要、榜单式介绍为主，实测样本有限，且个别“超过 Gemini”这类说法来自社媒转述，缺少这里可核验的原始评测支撑，应保守看待。