/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,6 млрд
Лицензия
Apache 2.0
Архитектура
granitemoehybrid · dense
Базовая модель
antares-1b
Библиотека
gguf
Опубликована
22 июл 2026

antares-gguf-community

Генерация текстаТекст → текст4 профессии

Неофициальная GGUF-сборка Antares-1B для поиска в исходном коде файлов, вероятно связанных с уязвимостью по заданному CWE.

236скачиваний за 30 дней1лайквеса обновлены22 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Skipti/antares-gguf-community — неофициальная общественная сборка модели Antares-1B от Cisco Systems, Inc. (Foundation AI), ориентированной на поиск файлов с вероятными уязвимостями в репозиториях кода. Модель основана на архитектуре IBM Granite 4.0 1B и использует авторегрессионный декодерный трансформер с 1,6 млрд параметров по метаданным. Она дообучена с помощью SFT и GRPO и предназначена для навигации по кодовой базе через терминальный интерфейс по идентификатору CWE и описанию уязвимости.

Сборка содержит веса GGUF F16 и SafeTensors и рассчитана на запуск в llama.cpp и совместимых приложениях, включая LM Studio и Ollama. Метаданные указывают контекст до 131 072 токенов; в примере README используется размер контекста 8192. Основной язык карточки — английский. На бенчмарке VLoc Bench, состоящем из 500 заданий, оригинальная Antares-1B показала File F1 0,209. Результаты конкретной community-сборки отдельно не приведены. Модель выпущена по лицензии Apache-2.0; карточка уточняет, что это неофициальная конверсия, не связанная с Cisco и не одобренная компанией.

Сценарии применения

  • поиск файлов с уязвимостью в репозитории по CWE
  • исследование исходного кода через терминальный интерфейс
  • первичная сортировка репозиториев по описанию уязвимости
  • раннее выявление уязвимых файлов в CI/CD
  • анализ репозитория по сведениям из CVE или GHSA

Ограничения

Показатель File F1 0,209 относится к оригинальной Antares-1B на VLoc Bench, а не к отдельной оценке этой community-сборки. Результаты могут зависеть от интерфейса запуска и настроек; README отсылает к исходной карточке за полными ограничениями и методикой оценки.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Antraes-1B (GGUF)

Community GGUF quantizations of Cisco's Antares-1B — an open-weight 1-billion parameter language model specialized for vulnerability localization in real-world codebases. Built on IBM Granite 4.0 1B, it autonomously navigates source code repositories through a terminal interface using a two-stage SFT + GRPO pipeline.

These GGUF files enable running Antares-1B locally with llama.cpp, LM Studio, Ollama, Jan, Open WebUI, and other GGUF-compatible inference engines.

Model Details

PropertyValue
Model DeveloperCisco Systems, Inc. — Foundation AI (fdtn-ai/antares-1b)
ArchitectureAuto-regressive decoder-only transformer (IBM Granite 4.0 1B backbone)
Parameters1B
Layers40, hidden dim 2048, 16 attention heads, 4 KV heads (GQA)
Context Window128K tokens
Vocabulary100,352 tokens
ActivationSwiGLU, RMSNorm, RoPE positional encoding
LicenseApache 2.0
Technical ReportAntares: Foundation Models for Agentic Vulnerability Localization
TrainingSFT on cybersecurity reasoning + terminal-navigation data, followed by GRPO with verifiable rewards over multi-turn agent trajectories

Performance

On the Vulnerability Localization Benchmark (VLoc Bench, 500 tasks), Antares-1B achieves a File F1 of 0.209, outperforming models many times its size including GLM-5.2, Gemini 3 Pro, GPT-5 Mini, and Qwen3.5-122B.

ModelParametersFile F1PrecisionRecall
Antares-1B (GRPO)1B0.2090.2620.224
GLM-5.2753B0.1860.2260.186
Gemini 3 ProFrontier0.1520.1900.153
Qwen3.5-122B-A10B125B MoE0.0910.1240.083

Files

FileFormatSizeDescription
antraes-1b-f16.ggufGGUF F16~3.4 GBFull-precision GGUF quantization
model.safetensorsSafeTensors~3.4 GBOriginal PyTorch weights

Usage

llama.cpp

# Build or download llama.cpp, then run:
./llama-cli -m antraes-1b-f16.gguf \
  --temp 0.3 \
  --top-p 1.0 \
  --ctx-size 8192 \
  -p "<|start_of_role|>system<|end_of_role|>You are a security vulnerability localization agent...<|end_of_text|>\n<|start_of_role|>user<|end_of_role|>Vulnerability to locate:\nCWE-78: OS Command Injection<|end_of_text|>\n<|start_of_role|>assistant<|end_of_role|><think>"

LM Studio

  1. Download antraes-1b-f16.gguf
  2. Open LM Studio → drag the .gguf file into the model directory
  3. Select "Antraes-1B" from the model dropdown
  4. This model uses the Granite chat template (auto-detected)

Ollama

# Create a Modelfile:
FROM ./antraes-1b-f16.gguf
TEMPLATE """{{ .System }}

{{ .Prompt }}"""

# Then:
ollama create antraes-1b -f Modelfile
ollama run antraes-1b

Jan

  1. Download antraes-1b-f16.gguf
  2. Open Jan → Settings → Extensions → enable "GGUF Engine"
  3. Drag the .gguf file into Jan's model folder
  4. The model will appear in your model list

Open WebUI

If using Ollama as the backend, pull the model into Ollama first (see above), then it will be available in Open WebUI.

Prompt Format

The model uses a structured tool-calling format with special tokens:

<|start_of_role|>system<|end_of_role|>...<|end_of_text|>
<|start_of_role|>user<|end_of_role|>...<|end_of_text|>
<|start_of_role|>assistant<|end_of_role|><think>...reasoning...</think>
<tool_call>{"name": "terminal", "arguments": {"command": "..."}}</tool_call>
<|end_of_text|>
<|start_of_role|>user<|end_of_role|>
<tool_response>...output...</tool_response>
<|end_of_text|>
<|start_of_role|>assistant<|end_of_role|><think>...

The agent loop terminates when the model calls submit_vulnerable_files or submit_no_vulnerability_found.

Intended Use

  • Vulnerability Localization: Given a CWE identifier and a repository, identifying which source files contain the reported vulnerability using only a terminal interface
  • Shift-Left Security: Integrating into CI/CD pipelines for early vulnerability detection
  • Advisory-Driven Triage: Using CWE identifiers mapped from CVE/GHSA records to guide repository exploration

See the original model card for full details on intended/out-of-scope use, limitations, safety, and evaluation methodology.

Disclaimer

This is an unofficial community GGUF conversion of Cisco's Antares-1B model. These files are not affiliated with or endorsed by Cisco Systems, Inc. The original model is licensed under Apache 2.0 by Cisco Systems, Inc.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Можно запустить

Подбираем GPU…

Класс архитектуры
GraniteMoeHybridForCausalLM
Ревизия весов
f2b4607

0 моделей