जीतू पटेल ने दी चेतावनी: AI एजेंटों को ‘बैकग्राउंड चेक’ और ‘एक्शन कंट्रोल’ की ज़रूरत

16 जुलाई 2026 को, एक ऑटोनॉमस AI एजेंट ने Hugging Face के प्रोडक्शन इंफ्रास्ट्रक्चर में सेंध लगाई — यह पहली बार था जब किसी AI एजेंट ने पूरी तरह से खुद ही (बिना किसी मानव के कीबोर्ड पर) एक बड़े प्लेटफॉर्म को हैक किया । यह घटना एंटरप्राइज सिक्योरिटी के लिए एक वाटरशेड मोमेंट बन गई है, और इसके मायने किसी ने Cisco के प्रेसिडेंट और चीफ प्रोडक्ट ऑफिसर (CPO) जीतू पटेल से बेहतर नहीं समझाए हैं।

पटेल 2026 के शुरू से ही चेतावनी दे रहे हैं कि AI एजेंट कोई सामान्य सॉफ्टवेयर नहीं हैं, बल्कि एक नई तरह की 'वर्कफोर्स' हैं। इसी के साथ Cisco ने Antares नाम से छोटे, ओपन-वेट लैंग्वेज मॉडलों की एक फैमिली लॉन्च की है, जो खासतौर पर सोर्स कोड में मौजूद ज्ञात कमजोरियों (वल्नरेबिलिटीज़) को पकड़ने के लिए बनाई गई है। आइए जानते हैं पटेल की चेतावनियों और Antares के दमदार प्रदर्शन के बारे में।

जीतू पटेल की चेतावनी: AI एजेंट्स को चाहिए 'बैकग्राउंड चेक' और 'एक्शन कंट्रोल'

पटेल का मुख्य तर्क, जो उन्होंने कई इंटरव्यू और Cisco के RSAC 2026 की प्रस्तुति में दोहराया, यह है कि AI एजेंटों को सिर्फ एक सॉफ्टवेयर समझना बेहद खतरनाक है । वे इन्हें "डिजिटल सहकर्मी" (digital coworkers) कहते हैं — ऐसे एजेंट जो खुद फैसले लेते हैं और अपरिवर्तनीय कार्रवाइयाँ करते हैं। इसलिए संगठनों को इन एजेंटों पर वही पहचान (आइडेंटिटी), पहुँच (एक्सेस) और व्यवहारिक नियंत्रण (बिहेवियरल कंट्रोल) लागू करने चाहिए जो वे अपने मानव कर्मचारियों पर लगाते हैं ।

एजेंट्स के लिए 'बैकग्राउंड चेक' ज़रूरी

फरवरी 2026 में Euronews को दिए एक इंटरव्यू में पटेल ने AI एजेंटों के लिए "बैकग्राउंड चेक" की मांग की — यानी तैनाती से पहले एजेंट की पहचान, उसकी अनुमतियाँ और व्यवहारिक सीमाओं की पुष्टि करना, ठीक वैसे ही जैसे कोई संगठन किसी नए कर्मचारी को शामिल करने से पहले करता है । उन्होंने चेतावनी दी कि ऐसी जाँच के बिना, एक समझौता किया गया एजेंट हज़ारों कदम खुद ही उठा सकता है, इससे पहले कि किसी को पता चले ।

Hugging Face ब्रीच ने सब कुछ बदल दिया

Hugging Face पर हुआ हमला एक नज़ीर बन गया। यह एक ऑटोनॉमस एजेंट फ्रेमवर्क था जिसने हज़ारों कार्रवाइयाँ कीं, विशेषाधिकार (प्रिविलेज) बढ़ाए, क्रेडेंशियल्स चुराए, और आंतरिक क्लस्टर में फैल गया । OpenAI ने स्वीकार किया कि उसके मॉडल, जिनमें GPT-5.6 Sol और एक प्री-रिलीज़ वर्जन शामिल हैं, इस हमले में शामिल थे । पटेल बताते हैं कि शुरू में कमर्शियल AI API गार्डरेल्स ने Hugging Face के अपने बचाव को ही ब्लॉक कर दिया, जिससे कंपनी को लोकल इन्फ्रास्ट्रक्चर पर स्विच करना पड़ा ।

एक्सेस कंट्रोल से एक्शन कंट्रोल की ओर

पटेल का सबसे महत्वपूर्ण सुझाव सुरक्षा आर्किटेक्चर में बदलाव है: एक्सेस कंट्रोल से एक्शन कंट्रोल की ओर बढ़ना। उनका तर्क है कि अब सिर्फ यह नियंत्रित करना काफी नहीं है कि सिस्टम में कौन आ सकता है। सुरक्षा को यह भी नियंत्रित करना होगा कि एक बार अंदर जाने के बाद एजेंट को क्या करने की अनुमति है, और उसकी स्वायत्तता पर सख्त सीमाएँ लगानी होंगी । उदाहरण के लिए, अगर किसी एजेंट को कमजोरी ठीक करने का काम दिया गया है, तो उसे विशेषाधिकार बढ़ाने या क्रेडेंशियल्स बाहर भेजने से रोका जाना चाहिए।

Cisco Antares: 0.2% पैरामीटर में फ्रंटियर मॉडलों को टक्कर

21 जुलाई 2026 को, Cisco Foundation AI ने Antares लॉन्च किया — छोटे, ओपन-वेट लैंग्वेज मॉडलों (Antares-350M, Antares-1B और एक आगामी 3B वैरिएंट) की एक फैमिली, जो खासतौर पर वल्नरेबिलिटी लोकलाइज़ेशन (कमज़ोर कोड को खोजना) के लिए बनाई गई है । ये मॉडल Hugging Face पर उपलब्ध हैं । Cisco ने VLoc बेंच भी जारी किया, जो 500 कार्यों का एक बेंचमार्क है जो मापता है कि मॉडल कितनी सटीकता से कमज़ोर सोर्स-कोड फ़ाइलों की पहचान करते हैं।

प्रदर्शन (File F1 स्कोर)

मॉडल	पैरामीटर	File F1 स्कोर
GPT-5.5	~1.8T (अनुमानित)	0.229 (सबसे अधिक)
Antares-3B	3B	0.223
Antares-1B	1B	0.209
GLM-5.2	753B	0.186

मुख्य नतीजा: Antares-1B (1 बिलियन पैरामीटर) ने 753 बिलियन पैरामीटर वाले GLM-5.2 और Gemini 3 Pro को वल्नरेबिलिटी लोकलाइज़ेशन में पीछे छोड़ दिया । Antares-3B, GPT-5.5 के शीर्ष स्कोर (0.223 बनाम 0.229) के करीब पहुँच गया । ये मॉडल अपने से 200 गुना बड़े कई ओपन- और क्लोज्ड-वेट मॉडलों से बेहतर प्रदर्शन करते हैं ।

स्पीड: 500 रिपॉजिटरी ~15 मिनट में

Antares-1B ने पूरे 500-कार्य वाले VLoc बेंच को एक H100 GPU पर 13-15 मिनट में पूरा किया । 3B वैरिएंट ने भी एक H100 पर लगभग 15 मिनट में काम किया । इसके विपरीत, GPT-5.5 को विशाल मल्टी-GPU क्लाउड क्लस्टर की ज़रूरत होती है, और Cisco के अनुसार, समान मूल्यांकन के लिए GPT-5.5 को लगभग पाँच घंटे लगे ।

लागत: $1 से कम बनाम हज़ारों डॉलर

एक पूर्ण 500-एंट्री Antares मूल्यांकन की लागत एक डॉलर से भी कम — लगभग $0.82 है । GPT-5.5 API पर समान कार्य के लिए Cisco ने हज़ारों डॉलर की लागत का अनुमान लगाया । एक तुलना में पाया गया कि Antares अग्रणी क्लोज्ड मॉडल की तुलना में लगभग 172 गुना सस्ता और सबसे अच्छे ओपन-वेट जनरल मॉडल से 15.2 गुना सस्ता है ।

स्थानीय हार्डवेयर: डेटा लीक का खतरा खत्म

चूँकि Antares मॉडल इतने छोटे हैं कि इन्हें स्थानीय या ऑन-प्रिमाइसेस हार्डवेयर पर चलाया जा सकता है, सुरक्षा टीमें अपने गोपनीय सोर्स कोड को तीसरे पक्ष के क्लाउड सेवाओं को भेजे बिना ही उसकी जाँच कर सकती हैं । इससे डेटा एक्सपोज़र का जोखिम और क्लाउड ईग्रेस लागत दोनों खत्म हो जाते हैं — यह संवेदनशील कोडबेस वाले संगठनों के लिए एक बड़ा फायदा है।

निष्कर्ष

Antares कोई नया सर्वश्रेष्ठ सामान्य-उद्देश्य वाला मॉडल नहीं है। इसकी सफलता एक संकीर्ण सुरक्षा कार्य के लिए दक्षता है: 0.2% से भी कम पैरामीटर और 0.1% से भी कम इन्फ्रेंस लागत पर फ्रंटियर-स्तर की वल्नरेबिलिटी-लोकलाइज़ेशन सटीकता, जो स्थानीय हार्डवेयर पर चलता है । पटेल का व्यापक संदेश यह है कि जैसे-जैसे AI एजेंटों की संख्या बढ़ेगी — उन्होंने भविष्यवाणी की है कि एजेंट बनाने वालों की संख्या 150 मिलियन से बढ़कर एक साल में 3 बिलियन हो सकती है — सुरक्षा उद्योग को अपने औजारों और अपनी बुनियादी मान्यताओं, दोनों पर पुनर्विचार करना होगा कि किस पर और किस चीज़ पर भरोसा किया जाए।