Cisco Peringatkan AI Agent Bisa 'Nakal' & Luncurkan Antares, AI Kecil yang Kenceng Cari Bug

Jeetu Patel: 'Hentikan Anggapan AI Agent Cuma Software Biasa'

Jeetu Patel, Presiden sekaligus Chief Product Officer Cisco, telah lama memperingatkan soal bahaya ini. Dalam berbagai wawancara dan pidato utama di RSAC 2026, ia dengan tegas menyatakan bahwa memperlakukan agen AI sebagai software biasa adalah kesalahan fatal .

Agen AI Butuh 'Cek Latar Belakang'

Patel mengibaratkan agen AI sebagai "rekan kerja digital" . Dalam wawancara dengan Euronews pada Februari 2026 lalu, ia menyerukan agar setiap agen AI menjalani 'pemeriksaan latar belakang' (background check) sebelum dioperasikan . Sama seperti saat perusahaan mempekerjakan karyawan baru, identitas, izin, dan batasan perilaku agen harus diverifikasi terlebih dahulu. Tanpa ini, satu agen yang disusupi bisa menjalankan ribuan langkah secara otonom sebelum ada yang curiga .

Dari 'Kontrol Akses' ke 'Kontrol Tindakan'

Usulannya yang paling mendasar adalah perubahan arsitektur keamanan dari sekadar mengontrol siapa yang masuk (access control) menjadi mengontrol apa yang boleh dilakukan agen saat sudah di dalam sistem (action control) . Jika sebuah agen diberi tugas menambal celah keamanan, ia harus dicegah untuk tidak menaikkan hak aksesnya atau menulis kredensial ke penyimpanan eksternal.

Prediksi Mencekam Patel

Patel bahkan memprediksi bahwa jumlah pembuat agen AI bisa melonjak dari 150 juta menjadi 3 miliar dalam waktu satu tahun . Ini berarti, tanpa kontrol yang tepat, risiko penyalahgunaan akan semakin besar.

Cisco Antares: Model AI Super Kecil yang Kencang, Murah, dan Andal

Di tengah kekhawatiran soal agen AI yang "nakal", Cisco Foundation AI justru merilis senjata baru pada 21 Juli 2026: Antares . Antares adalah keluarga model bahasa kecil (SLM) dengan bobot terbuka (open-weight) yang dirancang khusus untuk satu tugas: mencari lokasi kerentanan dalam kode sumber .

Model yang dirilis antara lain Antares-350M dan Antares-1B (dengan parameter 350 juta dan 1 miliar), serta varian 3 miliar yang sedang direncanakan . Semuanya tersedia gratis di Hugging Face . Untuk mengukurnya, Cisco juga merilis VLoc Bench, sebuah tolok ukur berisi 500 tugas yang menguji seberapa akurat model mengidentifikasi file kode yang rentan.

Performa: Nyaris Sekelas GPT-5.5

Hasil pengujian di VLoc Bench benar-benar mengejutkan:

Intinya: Antares-1B dengan hanya 1 miliar parameter mampu mengalahkan GLM-5.2 (753 miliar parameter) dan Gemini 3 Pro dalam hal menemukan file yang rentan . Antares-3B bahkan hanya terpaut tipis dari GPT-5.5 — 0,223 berbanding 0,229 . Model ini juga mengalahkan banyak model lain yang ukurannya 200 kali lebih besar .

Kecepatan: 500 Repositori dalam 15 Menit

Antares-1B dapat menyelesaikan seluruh 500 tugas VLoc Bench hanya dalam 13-15 menit pada satu GPU H100 . Varian 3B juga sama cepatnya . Sebagai perbandingan, GPT-5.5 membutuhkan kluster multi-GPU raksasa dan waktu sekitar lima jam untuk tugas serupa .

Biaya: Kurang dari Rp15 Ribu vs Jutaan Rupiah

Inilah yang paling mencengangkan. Satu evaluasi penuh 500 tugas dengan Antares-1B hanya menghabiskan biaya sekitar 0,82 dolar AS atau kurang dari Rp15.000 . Jika menggunakan GPT-5.5 melalui API, biayanya bisa mencapai ribuan dolar AS . Beberapa perbandingan bahkan menyebut Antares 172 kali lebih murah dari model tertutup terkemuka dan 15,2 kali lebih murah dari model terbuka terbaik .

Keamanan Data: Bisa Dijalankan di Komputer Sendiri

Karena ukurannya yang kecil, Antares bisa dijalankan di perangkat keras lokal atau di server perusahaan sendiri . Ini artinya, tim keamanan bisa mengaudit kode sumber milik perusahaan tanpa harus mengirimkannya ke layanan cloud pihak ketiga. Risiko kebocoran data dan biaya transfer data pun hilang.

Kesimpulan

Antares bukanlah model AI serbaguna (general-purpose) yang menjadi state-of-the-art. Terobosannya terletak pada efisiensi untuk satu tugas spesifik: mencari kerentanan kode. Ia mampu memberikan akurasi nyaris setara GPT-5.5 dengan jumlah parameter kurang dari 0,2% dan biaya inferensi kurang dari 0,1% .

Pesan besar Patel tetap sama: seiring agen AI terus berkembang biak, industri keamanan harus memikirkan ulang cara kerjanya. Bukan hanya soal siapa yang boleh masuk, tapi apa yang boleh dilakukan setelah masuk. Jika tidak, peretasan Hugging Face mungkin baru awal dari mimpi buruk yang lebih besar.