90% 的活小模型干，10% 的难题交给大模型

MAI-Cyber-1-Flash 由微软 AI 部门（MAI）自研，脱胎于其内部的 MAI-Thinking-1 推理模型系列，专为”在复杂代码库中找出高难度漏洞”而生。它被深度集成在 MDASH 中——这是微软的多智能体漏洞识别与修复框架，由 100 多个专用智能体协同完成漏洞的发现、验证和修复。

这套系统最耐人寻味的设计在于”90/10 架构”：MAI-Cyber-1-Flash 负责高效处理约 90% 的安全任务，剩下 10% 的高难度问题则升级交给更大的模型处理——而这个大模型正是 OpenAI 的 GPT-5.4。微软 AI 首席执行官穆斯塔法·苏莱曼解释称，MDASH 框架就像一个”路由器”，把每个问题分派给最合适的模型：”GPT-5.4 大约比它大 10 倍，负责解决那些最难的查询。模型之间相互接力，不仅性能超过其他所有模型的组合，成本还只有一半。”

基准测试领先第二名超 10 个百分点

在评估 AI 系统真实漏洞挖掘能力的权威基准 CyberGym 上，MAI-Cyber-1-Flash 与 GPT-5.4 组成的 MDASH 系统拿下了 95.95% 的成功率。作为对比，OpenAI 的 GPT-5.5 Cyber 得分 85.6%，GPT-5.6 Sol 为 83.6%，Anthropic 的 Mythos 5 为 83.8%，谷歌 Gemini 3.5 Flash Cyber（搭配 CodeMender）为 83.2%——领先幅度超过 10 个百分点。

更关键的是成本账：与微软当前由 GPT-5.4、5.4 mini 和 5.3 codex 组成的生产配置相比，新方案可节省约 50% 的开销。苏莱曼直言：”安全是一项永不下线的任务，面对海量攻击，token 成本才是防守方真正的瓶颈。Mythos 这类模型极其昂贵，客户要的是更便宜也更好的性能。”

红蓝绿三队智能体全自动作战

与新模型一同亮相的 Perception 系统，则展示了微软对”AI 对抗 AI”的完整设想。它将安全智能体分成三类协同作战：红队智能体模拟攻击路径、提供威胁行为者的详细画像；蓝队智能体负责检测和分诊已有漏洞；绿队智能体执行修复加固。

Perception 的首席工程师戴夫·韦斯顿描述了效率上的飞跃：”过去这些工作需要应用安全猎手、修复工程师等多个专业岗位投入大量小时数的手工劳动，现在几分钟内就能拿到全部修复方案——不仅发现问题、排出优先级，还包括检测规则、安全态势修正，甚至直接给出代码补丁。”

微软安全执行副总裁哈耶特·加洛强调了这套系统的现实紧迫性：”必须让防守方能以攻击者的规模和速度进行防御。你需要一套全新的网络安全技术栈，所以我们把它造了出来。”

按微软公布的时间表，Perception 将于 8 月 3 日开启公开预览，整套安全工具则在 11 月 3 日提供预览版。此外，微软还同步宣布成立 AI 安全研究机构 FORGE 实验室，并发起外部红队联盟 EXTRA，向全球六大洲的 18 所大学实验室提供无限制科研资助。

AI 安全赛道的竞争正在白热化：Anthropic 今年早些时候推出了安全平台 Mythos，OpenAI 也在 5 月通过 Day Break 计划推出了自己的安全方案。微软此番凭借自研模型、几十年积累的安全数据和专家调校的框架三张牌入局，这场”用 AI 防 AI”的军备竞赛才刚刚开始。

来源：TechCrunch、VentureBeat、The Register、Microsoft AI 官方博客