Cisco ปล่อย Antares โมเดลเปิด 350M/1B ล่าช่องโหว่ในโค้ดจริง — ตัว 1B ทำคะแนนชนะ GLM-5.2 ที่ใหญ่กว่า 753 เท่า

เมื่อวันที่ 21 กรกฎาคม 2026 ทีม Cisco Foundation AI ปล่อยโมเดลเปิดตระกูล Antares ออกมาสองขนาด คือ Antares-350M และ Antares-1B ภายใต้ใบอนุญาต Apache 2.0 พร้อมเบนช์มาร์กใหม่ชื่อ VLoc Bench โจทย์ของโมเดลนี้แคบมากและตรงมาก — ไม่ใช่ “ผู้ช่วยเขียนโค้ดทั่วไป” แต่คือ vulnerability localization: ให้คำอธิบายช่องโหว่แบบ CWE หรือ security advisory มา แล้วให้โมเดลไปไล่หาว่า ไฟล์ไหน ใน repo ที่ไม่เคยเห็นมาก่อนคือไฟล์ที่มีช่องโหว่นั้น

เหตุผลที่โพสต์นี้น่าสนใจสำหรับนักพัฒนาไม่ใช่แค่ “โมเดลเล็กชนะโมเดลใหญ่” แต่เป็นตัวเลขค่าใช้จ่ายที่ห่างกันแบบคนละโลก และเป็นข้อสรุปเชิงสถาปัตยกรรมที่ Cisco เขียนไว้ตรง ๆ ในรายงานเทคนิคว่า งานประเภทนี้ ไม่ได้สเกลตามขนาดโมเดลอย่างราบรื่น (เราตามข่าวนี้ช้าไปหลายวัน — ถือเป็นการเก็บตกที่ควรอยู่ในสายตานักพัฒนาไทยที่ทำงานสาย AppSec)

ทำงานเป็น terminal agent ไม่ใช่ตัวสแกนแบบ static

Antares ไม่ได้อ่านโค้ดทั้ง repo เข้า context แล้วตอบ แต่ทำตัวเป็น agent ที่ใช้ shell command ไล่สำรวจ codebase เอง — ls, grep, เปิดไฟล์, ไล่ตาม import แล้วค่อยสรุปว่าไฟล์ไหนน่าสงสัย ฐานโมเดลคือ IBM Granite 4.0 (สถาปัตยกรรม granitemoehybrid) context 128K โทเคน

การเทรนแบ่งเป็นสองขั้น: SFT บนข้อมูล security reasoning และการสำรวจโค้ด แล้วตามด้วย RL ที่ใช้ verifiable reward หลายองค์ประกอบบน trajectory ของ agent ทั้งเส้นแบบ multi-turn ไม่ใช่ให้รางวัลแค่คำตอบสุดท้าย จุดนี้คือหัวใจ — รายงานระบุว่าโมเดลฐานที่ไม่ผ่านการเทรนแบบนี้ทำ File F1 ได้ เกือบเป็นศูนย์ บนเบนช์มาร์กเดียวกัน

ในตัว repo บน Hugging Face มี antares-cli แถมมาด้วย รองรับเอาต์พุตแบบ SARIF ซึ่งเสียบเข้ากับ code scanning และไปป์ไลน์ CI/CD ได้ทันที (ดาวน์โหลดต้องกดยอมรับเงื่อนไขบน Hugging Face ก่อน แต่เป็นแบบอนุมัติอัตโนมัติ)

ตัวเลขบน VLoc Bench: มี “หน้าผาความสามารถ” ไม่ใช่เส้นสเกลเรียบ ๆ

VLoc Bench เป็นเบนช์มาร์ก 500 งาน จากโค้ดจริง วัดด้วย File F1 (ค่าหลัก), precision และ recall แบบ macro-average ตาราง Phase A ในรายงานเทคนิคเป็นแบบนี้:

โมเดล	File F1	Precision	Recall
GPT-5.5 (xhigh)	0.229	0.310	0.221
Antares-3B	0.223	0.303	0.221
GPT-5.5 (default)	0.221	0.305	0.211
Antares-1B	0.209	0.262	0.224
GLM-5.2 (753B)	0.186	0.226	0.186
Gemini 3 Pro	0.152	0.190	0.153
Antares-350M	0.135	0.136	0.178
Gemini 2.5 Flash	0.102	0.132	0.098
GPT-5 Mini	0.098	0.115	0.096
GPT-5	0.048	0.062	0.048

สองอย่างที่ควรอ่านจากตารางนี้ อย่างแรก Antares-1B ทำ recall ได้ 0.224 ซึ่งสูงที่สุดในบรรดาระบบทั้งหมดที่ทดสอบ รวมถึงสูงกว่า GPT-5.5 — รายงานตีความว่าโมเดลเล็กเลือกกลยุทธ์ “ค้นหนัก” คือเปิดไฟล์เยอะและเสนอผู้ต้องสงสัยเยอะ ขณะที่ Antares-3B เล่นแบบระมัดระวังกว่า คือ recall เท่า GPT-5.5 แต่ precision สูง

อย่างที่สองคือสิ่งที่ Cisco เรียกว่า capability cliff: โมเดลไม่ได้เรียงตามขนาด แต่แยกเป็นสองกลุ่มชัดเจน — กลุ่มที่ทำได้ราว 0.186–0.229 (GPT-5.5, Antares-3B/1B, GLM-5.2) กับกลุ่มที่ร่วงต่ำกว่า 0.152 ไม่ว่าจะใหญ่แค่ไหน GPT-5 ตัวเต็มได้แค่ 0.048 ซึ่งต่ำกว่า Antares-350M เสียอีก ข้อสรุปของรายงานคือการเทรนให้ โต้ตอบกับ repo เป็น สำคัญกว่าจำนวนพารามิเตอร์

ข้อควรระวังที่ต้องพูดให้ตรง: ตัวเลข F1 สัมบูรณ์ยังต่ำมาก (0.2 กว่า ๆ) แปลว่างานนี้ยังยากสำหรับทุกโมเดล ไม่ใช่ปัญหาที่แก้จบแล้ว และ Antares-3B ที่ทำคะแนนดีที่สุดยังไม่ถูกปล่อย — บล็อกของ Cisco ระบุว่า “coming soon” ตัวที่ดาวน์โหลดได้ตอนนี้คือ 350M กับ 1B เท่านั้น model card เองก็เขียนข้อจำกัดไว้ว่าโมเดลทำได้ดีกับช่องโหว่ที่มีรูปแบบโค้ดชัดเจน แต่ยังอ่อนกับช่องโหว่ที่ต้องเข้าใจพฤติกรรมเชิงความหมายของโปรแกรม

ส่วนที่เปลี่ยนเกมจริง ๆ คือค่าใช้จ่าย

รายงานระบุว่า Antares-3B รันเบนช์มาร์กครบทั้ง 500 งานจบใน ประมาณ 15 นาทีบน H100 ใบเดียว เฉลี่ยแล้ว ต่ำกว่า 2 วินาที และต่ำกว่า $0.002 ต่อหนึ่งงาน เมื่อคิดเป็นค่าเช่า GPU ตามราคาตลาด ($2–$4 ต่อ H100-ชั่วโมง) ค่ารันทั้งสวีปออกมาเป็น:

• Antares-350M — $0.60
• Antares-1B — $0.71
• Antares-3B — $0.82
• GLM-5.2 (ผ่าน OpenRouter) — ~50 นาที / $12.50
• GPT-5.5 (ผ่าน OpenAI API) — ~5 ชั่วโมง / $141

ห่างกันประมาณ 200 เท่า สำหรับงานเดียวกัน และเพราะโมเดลขนาด 1B รันในเครื่องตัวเองได้ โค้ดไม่ต้องออกจากองค์กรไปหา API ของบุคคลที่สาม ซึ่งรายงานชี้ว่าเป็นเงื่อนไขจำเป็นสำหรับ workflow ความปลอดภัยแบบ closed-network

มุมมอง AI Curator

เรื่องนี้น่าสนใจกว่าที่พาดหัว “โมเดลเล็กชนะโมเดลใหญ่” สื่อออกมา เพราะสิ่งที่ Antares พิสูจน์จริง ๆ คือ เศรษฐศาสตร์ของ agentic loop งาน localization แบบนี้ไม่ใช่การถามครั้งเดียวจบ แต่เป็นการวนหลายสิบเทิร์นต่อหนึ่งงาน — ซึ่งแปลว่าต้นทุนและ latency คูณตามความลึกของบทสนทนาแบบเชิงเส้น พอเป็นแบบนี้ โมเดลที่ “ฉลาดพอและเร็วมาก” จะชนะโมเดลที่ “ฉลาดกว่าแต่แพงกว่า 200 เท่า” ในทางปฏิบัติเสมอ นี่คือรูปแบบเดียวกับที่เราเห็นซ้ำ ๆ ในเดือนนี้ ตั้งแต่ KAT-Coder ไปจนถึง Nanbeige4.2-3B: ทิศทางของปี 2026 คือโมเดลเฉพาะทางขนาดเล็กที่เทรนให้เก่งลูปเดียว ไม่ใช่โมเดลยักษ์ที่เก่งทุกอย่าง

สำหรับบริบทไทยและ SEA จุดที่ควรจับตาคือ ข้อจำกัดเรื่องข้อมูลออกนอกองค์กร ธนาคาร โรงพยาบาล และหน่วยงานรัฐไทยจำนวนมากติดเงื่อนไข PDPA และนโยบายภายในที่ทำให้ส่งซอร์สโค้ดขึ้น API ต่างประเทศไม่ได้เลย ที่ผ่านมานั่นแปลว่า “ไม่ได้ใช้ AI ช่วยงาน AppSec” โดยปริยาย โมเดล Apache 2.0 ขนาด 1B ที่รันบนการ์ดใบเดียวในดาต้าเซ็นเตอร์ตัวเองได้ เปลี่ยนคำตอบนั้นทันที — ทีมความปลอดภัยที่มี H100 หรือแม้แต่ GPU ระดับ workstation หนึ่งใบก็เริ่มทดลองได้เลย โดยไม่ต้องเข้ากระบวนการจัดซื้อหรือขออนุมัติส่งข้อมูลข้ามพรมแดน

แต่อย่าเพิ่งคาดหวังเกินจริง ด้วย F1 ราว 0.2 นี่ยังไม่ใช่เครื่องมือที่จะมาแทนการรีวิวโดยมนุษย์ วิธีใช้ที่สมเหตุสมผลกว่าคือมองเป็น ตัวจัดลำดับความสำคัญ — เมื่อมี advisory ใหม่เข้ามาและต้องรู้ว่าไฟล์ไหนใน monorepo หลักหมื่นไฟล์ควรถูกดูก่อน recall ที่สูงที่สุดในตลาดที่ราคาต่ำกว่าหนึ่งดอลลาร์คือข้อเสนอที่คุ้มมาก และการที่มันพ่น SARIF ออกมาได้ตรง ๆ แปลว่าเสียบเข้าไปป์ไลน์ที่มีอยู่แล้วได้โดยไม่ต้องเขียน glue code ใหม่

แหล่งข่าว

• Introducing Antares: Highly Efficient Open Weight AI Models for Vulnerability Localization — Cisco Blogs (21 ก.ค. 2026)
• Antares Technical Report (PDF) — Cisco Foundation AI
• fdtn-ai/antares-1b — Hugging Face
• Cisco releases Antares, open-weight small models for locating code vulnerabilities — SiliconANGLE