Antares de Cisco: IA especializada que reduce costos en ciberseguridad

Cisco presentó Antares, una familia de modelos abiertos que localiza vulnerabilidades con menor costo y rendimiento comparable a modelos mucho mayores.

En un artículo publicado recientemente en el blog oficial de Cisco, Amin Karbasi, vicepresidente y científico jefe de Cisco Foundation AI, presentó Antares, una nueva familia de modelos de lenguaje pequeños (SLM) desarrollada para localizar vulnerabilidades de software con mayor precisión y un costo computacional significativamente menor. Antares de Cisco trae muchas enseñanzas que vale la pena atender.

Mientras la industria tecnológica compite por desarrollar modelos de inteligencia artificial cada vez más grandes y costosos, Cisco decidió recorrer el camino contrario. La compañía presentó Antares, una familia de modelos abiertos (open-weight) especializados en localizar vulnerabilidades dentro del código fuente, demostrando que un modelo pequeño puede superar a alternativas mucho más grandes cuando se diseña para resolver una tarea específica.

La propuesta refleja un cambio importante en la evolución de la inteligencia artificial empresarial. En lugar de depender únicamente de modelos generalistas capaces de responder cualquier pregunta, las organizaciones comienzan a adoptar modelos especializados que ofrecen mayor eficiencia, menores costos y un mejor desempeño en dominios concretos.

Una IA diseñada para una sola misión

Antares no busca competir con asistentes conversacionales como ChatGPT, Gemini o Claude. Su propósito es mucho más específico: ayudar a los equipos de desarrollo y ciberseguridad a identificar rápidamente el archivo donde se encuentra una vulnerabilidad descrita en un aviso de seguridad (CVE).

Esta capacidad puede reducir significativamente el tiempo que los desarrolladores dedican a revisar grandes repositorios de código antes de corregir un problema, acelerando el ciclo de respuesta frente a nuevas amenazas.

Cisco presentó dos versiones del modelo: Antares 350M y Antares 1B, ambas distribuidas bajo un esquema de pesos abiertos (open-weight), lo que permite a las organizaciones ejecutarlas localmente y adaptarlas a sus propias necesidades sin depender de servicios externos.

Mientras tanto, los grandes fabricantes también enfocan sus modelos en ciberseguridad cognitiva.

La industria está dejando de competir por construir el modelo más grande para empezar a construir el modelo más eficiente para cada tarea. Fuente de la gráfica: Blog Oficial de Cisco

}Más eficiencia con menos recursos

Uno de los aspectos más llamativos del anuncio no es el tamaño del modelo, sino su eficiencia.

Según Cisco, Antares puede analizar un benchmark compuesto por 500 repositorios de software en aproximadamente 15 minutos utilizando una sola GPU, con un costo inferior a un dólar por ejecución. La compañía asegura que, para esta tarea específica, el modelo puede resultar hasta 172 veces más económico que GPT-5.5, manteniendo un nivel de precisión competitivo.

Más allá de la cifra, el mensaje más relevante es que, en inteligencia artificial, un modelo más grande no siempre produce mejores resultados. Cuando el problema está claramente definido y el entrenamiento se orienta hacia un objetivo concreto, un modelo compacto puede ofrecer un equilibrio mucho más atractivo entre rendimiento, velocidad y costo operativo.

La industria está dejando de competir por construir el modelo más grande para empezar a construir el modelo más eficiente para cada tarea.

Antares de Cisco: La nueva generación de modelos especializados

Durante los últimos tres años, la carrera por la inteligencia artificial estuvo dominada por modelos fundacionales con cientos de miles de millones de parámetros. Estas plataformas demostraron una enorme versatilidad, pero también elevaron considerablemente los costos de infraestructura y consumo energético.

Ahora comienza a consolidarse una tendencia diferente.

Empresas como Cisco, Microsoft, Google, Meta, Mistral y NVIDIA están desarrollando modelos más pequeños y especializados para funciones muy concretas, como programación, razonamiento, análisis documental, atención al cliente o ciberseguridad.

Los llamados Small Language Models (SLM) no pretenden reemplazar a los grandes modelos fundacionales. En cambio, buscan complementar su uso ejecutando tareas repetitivas o altamente especializadas con una fracción del consumo de recursos.

Para muchas organizaciones, esta arquitectura híbrida podría convertirse en la opción más eficiente durante los próximos años.

Un beneficio adicional: proteger la información

Modelo	Parámetros	Enfoque	Resultado
Antares-350M	350 millones	SLM especializado	Mayor eficiencia
Antares-1B	1.000 millones	SLM especializado	Alto desempeño
GPT-5.5	>1 billón*	LLM generalista	Mucho mayor costo
Gemini 3 Pro	Muy grande	LLM generalista	Menor F1 en esta prueba

La especialización también aporta ventajas desde el punto de vista de la seguridad.

Al tratarse de modelos relativamente pequeños, Antares puede ejecutarse dentro de la infraestructura de la organización, evitando enviar repositorios completos de código a servicios externos de inteligencia artificial.

Este enfoque resulta especialmente atractivo para sectores altamente regulados como banca, gobierno, salud, telecomunicaciones o infraestructura crítica, donde la confidencialidad del código fuente constituye un requisito estratégico.

Además de reducir costos, la ejecución local facilita el cumplimiento normativo y disminuye los riesgos asociados con la exposición de información sensible.

Código abierto para acelerar la innovación

Cisco también apuesta por el modelo de innovación abierta.

Al publicar Antares como un modelo open-weight, investigadores, universidades y empresas pueden evaluar su funcionamiento, adaptarlo a nuevos escenarios e incluso desarrollar soluciones derivadas.

Esta estrategia coincide con una tendencia creciente dentro de la inteligencia artificial empresarial, donde la transparencia y la colaboración comienzan a ganar terreno frente a los modelos completamente cerrados.

Para el ecosistema de ciberseguridad, disponer de modelos especializados abiertos puede acelerar el desarrollo de nuevas herramientas de análisis de código, automatización de vulnerabilidades y protección del software.

“Las pruebas demuestran que estos modelos superan a muchos modelos abiertos y cerrados mucho más grandes en esta tarea crítica de seguridad, utilizando solo una fracción del costo computacional”, afirmó Amin Karbasi, vicepresidente y científico jefe de Cisco Foundation AI.

El significado de un lanzamiento como Antares de Cisco

El lanzamiento de Antares va más allá de un nuevo modelo de inteligencia artificial.

Representa una señal de que la industria comienza a madurar y a priorizar el retorno de inversión sobre el tamaño de los modelos. Después de varios años marcados por la carrera por construir la IA más grande, el mercado empieza a valorar soluciones optimizadas para resolver problemas específicos con mayor eficiencia.

Para las empresas, esto significa que la adopción de inteligencia artificial ya no dependerá exclusivamente de acceder a enormes infraestructuras de GPU. También será posible implementar modelos especializados, más económicos y ejecutables localmente para casos de uso concretos.

En ese contexto, la próxima gran competencia en inteligencia artificial podría no ser quién construye el modelo más grande, sino quién desarrolla el modelo más eficiente para cada necesidad de negocio.

¿Por qué Cisco llamó Antares a su modelo? Antares es la estrella más brillante de la constelación de Escorpión y una de las más luminosas del cielo nocturno. Su nombre proviene del griego Anti-Ares, “el rival de Marte”, debido a su intenso color rojizo. Aunque Cisco no explica el origen del nombre, la elección resulta apropiada para un modelo especializado en localizar vulnerabilidades: al igual que la estrella destaca entre millones de astros, Antares busca identificar rápidamente el punto crítico dentro de enormes repositorios de código.