微軟AI發佈MAI-Cyber-1-Flash：50億活躍參數的網絡安全模型，將MDASH在CyberGym上的性能提升至95.95%

微軟AI今日發佈了MAI-Cyber-1-Flash，這是其首個專為網絡防禦打造的模型。該模型並非作為獨立端點提供，而是集成在微軟的多模型代理掃描框架MDASH中運行。

MAI-Cyber-1-Flash採用帶有自注意力機制和稀疏混合專家層的Transformer架構，總參數量達1370億，其中活躍參數為50億，上下文長度高達256k token，僅支持文本輸入輸出。它是基於MAI-Code-1-Flash（已嵌入GitHub Copilot和VS Code的輕量級代理編程模型）進行網絡安全專業微調而來，官方稱其源自MAI-Thinking-1系列。

在基準測試方面，CyberGym是一個包含188個OSS-Fuzz項目中1507個真實世界漏洞復現任務的開源套件。微軟在CyberGym的默認級別1配置下進行評估（提供易受攻擊的源代碼和高層描述）。MDASH搭載MAI-Cyber-1-Flash與GPT-5.4的配置達到了95.95%的得分。微軟宣稱這比Anthropic的Mythos高出約12個百分點，而其他四個競爭系統的得分在83.2%至85.6%之間。

值得注意的是，微軟在2026年5月首次詳細公佈MDASH時，該框架僅使用通用模型便在CyberGym上獲得了88.45%的得分，這已是當時公開榜單的最高分，領先第二名約5個百分點。研究團隊明確指出，將MDASH中80%的現有模型替換後，得分從88.4%躍升至95.95%。

路由機制是該產品的核心。MDASH管理着超過100個專門代理，經過準備、掃描、驗證、去重和證明五個階段。審計代理標記發現，辯論代理爭論漏洞的可利用性（利用分歧作為信號），而證明階段針對C/C++目標使用ASan執行觸發輸入。為控制前沿模型的大規模成本，MAI-Cyber-1-Flash處理MDASH中高達90%的任務，僅將最難的10%升級到GPT-5.4。這種路由機制相比之前使用GPT-5.4、5.4 mini和5.3 codex的配置，實現了50%的成本節省。

MDASH由微軟自主代碼安全（ACS）團隊開發，成員包括DARPA AI網絡挑戰賽冠軍Team Atlanta的成員。今年5月，MDASH輔助的工作在Windows網絡和認證棧中生成了16個CVE（包括4個嚴重遠程代碼執行漏洞）。回顧性分析顯示，它能在五年窗口期內恢復clfs.sys中28個MSRC案例的96%，以及tcpip.sys中7個案例的100%。

研究團隊還公佈了一個輕量級終端框架的獨立測試結果：CVEBench為0.314，CyberSecEval4威脅情報為0.553，CyberSecEval4惡意軟件分析為0.33，CRSBench為0.651（POV=1200），而ExploitGym（內核/用户空間/瀏覽器）得分均為0。

ExploitGym上的零分是有意為之，並非缺陷。微軟團隊表示，該模型被訓練執行防禦性任務，如修補漏洞，而非生成漏洞利用代碼。一個50億活躍參數、無法生成漏洞利用卻可驅動95.95%發現管道的模型，正是防禦者所需的產品。

訪問權限受到限制，具體使用方式需進一步瞭解。