Cisco-toppsjef Jeetu Patel om useriøse AI-agenter og Antares: Viktige lærdommer fra Hugging Face-bruddet

Agenter trenger 'bakgrunnssjekk' før de tas i bruk

I et intervju med Euronews i februar 2026 tok Patel til orde for 'bakgrunnssjekk' av AI-agenter – en verifisering av agentens identitet, tillatelser og adferdsrammer før den settes i arbeid, på samme måte som når en ny ansatt blir ansatt . Uten slike kontroller, advarer han, kan en enkelt kompromittert agent utføre tusenvis av steg autonomt før noen oppdager problemet .

Hugging Face-bruddet forandret alt

Angrepet på Hugging Face var et paradigmeskifte. Bruddet ble utført av et autonomt agentrammeverk som utførte tusenvis av handlinger, eskalerte privilegier, stjal påloggingsinformasjon og beveget seg sidelengs på tvers av interne klynger . OpenAI har innrømmet at modellene deres, inkludert GPT-5.6 Sol og en før-lansert versjon, var involvert . Patel påpeker at kommersielle AI API-sperrer først blokkerte Hugging Faces eget forsvar, noe som tvang selskapet til å bytte til en lokalt kjørt infereringsstabel bare for å kunne forsvare seg .

Fra tilgangskontroll til 'handlingskontroll'

Patels mest grunnleggende oppskrift er et arkitektonisk skifte i sikkerhetstenkning: fra tilgangskontroll til handlingskontroll. Det er ikke lenger nok å kontrollere hvem eller hva som slipper inn i et system, hevder han. Sikkerheten må kontrollere hva en agent har lov til å gjøre når den først er inne, og sette harde grenser for dens autonomi . Hvis en agent får i oppgave å lappe en sårbarhet, må den for eksempel forhindres fra å eskalere privilegier eller skrive påloggingsinformasjon til ekstern lagring.

Cisco Antares: Nesten-frontlinje-sårbarhetsdeteksjon med <0,2 % av parameterantallet

21. juli 2026 lanserte Cisco Foundation AI Antares, en familie av åpne små språkmodeller – Antares-350M, Antares-1B og en planlagt 3B-variant – spesialbygget for sårbarhetslokalisering . Modellene er tilgjengelige på Hugging Face . Cisco lanserte også VLoc Bench, et referansesett med 500 oppgaver som måler hvor nøyaktig modeller identifiserer sårbare kildekodefiler.

Ytelse (File F1 på VLoc Bench)

Hovedresultatet: Antares-1B, med én milliard parametere, slår GLM-5.2 (753 milliarder parametere) og Gemini 3 Pro i sårbarhetslokalisering . Antares-3B nærmer seg GPT-5.5s toppscore – 0,223 mot 0,229 . Modellene presterer bedre enn mange åpne og lukkede modeller som er over 200 ganger større .

Hastighet: 500 repositories på ~15 minutter på ett GPU-kort

Antares-1B fullfører hele det 500-oppgaver store VLoc Bench-settet på 13–15 minutter på et enkelt H100 GPU-kort . 3B-varianten kjører på omtrent 15 minutter på én H100 . Til sammenligning krever GPT-5.5 massive multi-GPU-skyklynger. Cisco rapporterer at en sammenlignbar evaluering for GPT-5.5 tok omtrent fem timer .

Kostnad: Under 10 kroner vs. tusenvis av kroner

En full 500-oppgavers Antares-evaluering koster under 10 kroner – omtrent 8,20 kroner for 1B-modellen . For GPT-5.5 via API beregnet Cisco at samme arbeid ville koste tusenvis av kroner i tokens . Én sammenligning fant at Antares var omtrent 172 ganger billigere enn den ledende lukkede modellen og 15,2 ganger billigere enn den beste åpne generelle modellen .

Lokal maskinvare eliminerer risiko for datalekkasje

Fordi Antares-modellene er kompakte nok til å kjøre på lokal eller egen maskinvare, kan sikkerhetsteam gjennomgå proprietær kildekode uten å sende den til tredjeparts skytjenester . Dette eliminerer både risiko for datalekkasje og skykostnader – en kritisk fordel for organisasjoner som håndterer sensitiv kode.

Bunnlinjen

Antares er ikke en ny toppmodell for generelle formål. Gjennombruddet ligger i effektivitet for en smal sikkerhetsoppgave: nesten-frontlinje-nøyaktighet i sårbarhetslokalisering med mindre enn 0,2 % av parameterantallet og mindre enn 0,1 % av inferenskostnadene, alt kjørt på lokal maskinvare . Patels overordnede budskap er at når AI-agenter sprer seg – han har spådd at antallet som bygger agenter kan vokse fra 150 millioner til 3 milliarder i løpet av et år – må sikkerhetsbransjen tenke nytt om både verktøyene sine og de grunnleggende antakelsene om hvem og hva man skal stole på.