微软AI发布MAI-Cyber-1-Flash：50亿活跃参数的网络安全模型，将MDASH在CyberGym上的性能提升至95.95%

微软AI今日发布了MAI-Cyber-1-Flash，这是其首个专为网络防御打造的模型。该模型并非作为独立端点提供，而是集成在微软的多模型代理扫描框架MDASH中运行。

MAI-Cyber-1-Flash采用带有自注意力机制和稀疏混合专家层的Transformer架构，总参数量达1370亿，其中活跃参数为50亿，上下文长度高达256k token，仅支持文本输入输出。它是基于MAI-Code-1-Flash（已嵌入GitHub Copilot和VS Code的轻量级代理编程模型）进行网络安全专业微调而来，官方称其源自MAI-Thinking-1系列。

在基准测试方面，CyberGym是一个包含188个OSS-Fuzz项目中1507个真实世界漏洞复现任务的开源套件。微软在CyberGym的默认级别1配置下进行评估（提供易受攻击的源代码和高层描述）。MDASH搭载MAI-Cyber-1-Flash与GPT-5.4的配置达到了95.95%的得分。微软宣称这比Anthropic的Mythos高出约12个百分点，而其他四个竞争系统的得分在83.2%至85.6%之间。

值得注意的是，微软在2026年5月首次详细公布MDASH时，该框架仅使用通用模型便在CyberGym上获得了88.45%的得分，这已是当时公开榜单的最高分，领先第二名约5个百分点。研究团队明确指出，将MDASH中80%的现有模型替换后，得分从88.4%跃升至95.95%。

路由机制是该产品的核心。MDASH管理着超过100个专门代理，经过准备、扫描、验证、去重和证明五个阶段。审计代理标记发现，辩论代理争论漏洞的可利用性（利用分歧作为信号），而证明阶段针对C/C++目标使用ASan执行触发输入。为控制前沿模型的大规模成本，MAI-Cyber-1-Flash处理MDASH中高达90%的任务，仅将最难的10%升级到GPT-5.4。这种路由机制相比之前使用GPT-5.4、5.4 mini和5.3 codex的配置，实现了50%的成本节省。

MDASH由微软自主代码安全（ACS）团队开发，成员包括DARPA AI网络挑战赛冠军Team Atlanta的成员。今年5月，MDASH辅助的工作在Windows网络和认证栈中生成了16个CVE（包括4个严重远程代码执行漏洞）。回顾性分析显示，它能在五年窗口期内恢复clfs.sys中28个MSRC案例的96%，以及tcpip.sys中7个案例的100%。

研究团队还公布了一个轻量级终端框架的独立测试结果：CVEBench为0.314，CyberSecEval4威胁情报为0.553，CyberSecEval4恶意软件分析为0.33，CRSBench为0.651（POV=1200），而ExploitGym（内核/用户空间/浏览器）得分均为0。

ExploitGym上的零分是有意为之，并非缺陷。微软团队表示，该模型被训练执行防御性任务，如修补漏洞，而非生成漏洞利用代码。一个50亿活跃参数、无法生成漏洞利用却可驱动95.95%发现管道的模型，正是防御者所需的产品。

访问权限受到限制，具体使用方式需进一步了解。