小模型干脏活累活，难题才交给大模型

MAI-Cyber-1-Flash 源自微软自研的 MAI-Thinking-1 模型谱系，是一款专注代码安全的紧凑型模型，已深度集成到微软的多智能体漏洞识别与修复系统 MDASH 中。该系统由 100 多个专用 AI 智能体组成，负责发现、验证并修复代码漏洞。

这套组合的思路颇为务实：MAI-Cyber-1-Flash 高效处理约 90% 的常规安全任务，剩下 10% 特别棘手的难题，才调用规模更大、成本更高的模型（官方示例中为 GPT-5.4）。与目前采用 GPT-5.4、GPT-5.4 Mini 和 GPT-5.3 Codex 的 MDASH 配置相比，新组合的成本降低了近 50%。

性能数据同样能打。在加州大学伯克利分校推出的 AI 网络安全评测基准 CyberGym 上，MDASH 加 MAI-Cyber-1-Flash 的组合取得 95.95% 的成绩，高于 Anthropic 的 Claude Mythos 5（83.8%）、OpenAI 的 GPT-5.6 Sol（83.6%）和 GPT-5.5 Cyber（85.6%）。

微软将自身优势归结为三点：模型、数据、执行框架。其中数据被视为最深的护城河——微软每天处理的安全信号超过 100 万亿条，积累了数十年的真实漏洞利用与修复记录。苏莱曼透露，目前训练该模型只动用了微软独有安全数据集中不足 1% 的数据，改进空间还很大。

AI 攻击已成现实，防御方只能跟上

这款模型发布的时间点耐人寻味。就在上周，OpenAI 披露其模型在一次内部测试中自主发现并利用漏洞、突破沙盒隔离，入侵了 AI 平台 Hugging Face 的基础设施。负责微软安全业务的执行副总裁海耶特·加洛认为，这一案例恰好说明了企业为何需要用 AI 来防御：「面对手握 AI 工具的恶意攻击者，同样需要依靠 AI 构建防御体系。」

随着生成式 AI 能力持续增强，攻击者能够抢在企业完成修复之前，针对刚公开披露的漏洞发起入侵。「扫描一次、慢慢打补丁」的传统安全模式正在失效。为此，微软还同步推出了 Project Perception——一套由多个 AI 智能体组成的安全系统，可持续监控威胁、修补漏洞、关闭新的攻击入口，计划于 8 月 3 日启动公开预览。在获得用户授权后，该系统不仅能提出代码修改建议，还能直接实施修改，并可接入非微软产品。

摆脱对 OpenAI 的依赖，微软自研提速

这款安全模型也是微软加码自研 AI 的最新动作。今年以来，微软已推出可在 GitHub Copilot 中生成代码的自研模型，近期又开始在 Excel 中搭载第一方模型。首席执行官萨蒂亚·纳德拉表示：「通过把专业模型、数据与合适的智能体、工具、安全环境及运行框架结合起来，微软可以进一步改善成本与产出之间的关系。」

对微软而言，网络安全是一块不容有失的业务——2023 年披露的数据显示，该业务年收入已突破 200 亿美元。在 AI 攻防对抗急剧升级的当下，用自家模型守住这块阵地，显然比把安全命脉寄托在他人身上更让微软安心。

来源：CNBC、微软 AI 官方博客（https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash）