思科押注小型开源网络安全模型，以更低成本超越GPT-5.5漏洞检测能力

思科发布了两款小型开源网络安全AI模型，据其内部测试，这些模型每美元可检测的漏洞数量约为大型AI代理的150倍，旨在以更低成本实现高效的安全检测。

相比依赖大型模型的高成本安全方案，思科开源的小模型在每美元检测效率上提升两个数量级，可能改变企业安全工具的选型逻辑，让预算有限的组织也能获得高质量漏洞扫描能力。

小型模型通过针对性训练和简化架构，在特定任务（漏洞检测）上保持了高精度，同时大幅降低了推理计算量和授权成本，使单位成本下的检测数量显著优于通用大型代理。

对安全产品团队而言，可直接集成思科开源模型替换或补充现有检测引擎，降低API调用成本和延迟；但需自行处理模型部署与维护，并评估其与内部安全策略的兼容性。

• 将思科开源模型嵌入漏洞扫描SaaS服务，提供按次计费的极低成本检测套餐。
• 基于该模型开发轻量级终端安全插件，用于实时弱口令或代码注入检测。

• 思科的测试数据是否经过第三方独立验证？
• 与GPT-5.5的直接对比是否存在方法学局限（如测试集、场景差异）？
• 小型模型在未知漏洞或零日攻击上的表现是否同样优于大型模型？