产业 / 媒体
微软推出自研网络安全模型 MAI-Cyber-1-Flash，复杂推理仍依赖 OpenAI
微软正式推出自研网络安全模型 MAI-Cyber-1-Flash，并将其集成至此前发布的 MDASH 多智能体系统中。两者组合在 CyberGym 基准测试上取得接近 96% 的得分，超越 Gemini、GPT 及 Mythos 等竞争对手，领先幅度达 12 个百分点。该基准专门衡量 AI 在大型代码库中识别真实安全漏洞的能力。微软表示，MAI-Cyber-1-Flash 可独立处理约 90% 的安全任务，仅将最复杂的案例转交给 GPT-5.4 处理，由此将整体运营成本降低约 50%。该模型基于微软 MAI-Thinking-1 系列构建。与此同时，微软还推出了名为 Perception 的智能体安全系统，可实时监控并缓解威胁，背后依托每日超过 100 万亿条安全信号及 160 万客户积累的数据优势。
微软在网络安全 AI 领域迈出重要一步，正式发布轻量级安全模型 MAI-Cyber-1-Flash。该模型基于微软自研的 MAI-Thinking-1 系列打造，专为安全场景深度优化，并被集成至 MDASH 多智能体编排系统中协同运作。微软表示，此举标志着公司在 AI 网络安全能力上已基本追平前沿大模型水准。
在行业通用的 CyberGym 基准测试中，MDASH 与 MAI-Cyber-1-Flash 的组合取得接近 96% 的得分，比排名第二的 Mythos 高出 12 个百分点，同时超越 Gemini 和 GPT 等主流模型。CyberGym 专门评估 AI 系统在大规模真实代码库中发现安全漏洞的实际能力，被视为衡量网络安全 AI 水平的重要参考指标。
成本控制是此次发布的核心亮点之一。MAI-Cyber-1-Flash 能够独立完成约 90% 的安全分析任务，只有遇到需要深度推理的复杂案例时，系统才会将任务转交给 GPT-5.4 处理。微软预计，这种分层调度机制可将整体运营成本较纯粹依赖前沿大模型的方案降低约 50%，显著提升大规模部署的经济可行性。
尽管如此，微软在复杂推理环节仍依赖 OpenAI 的模型提供支撑。这一架构折射出微软当前的战略定位转变——从单纯的 OpenAI 模型分销商，逐步演变为跨模型的 AI 编排平台。这种转变也促使微软近年来积极拥抱开放权重模型生态，与其早期通过 Azure 独家分发 OpenAI 模型的路线形成鲜明对比。
与此同时，微软还宣布推出 Perception 智能体安全系统。该系统能够实时监控企业环境中的安全威胁并自动采取缓解措施。微软强调，公司每日处理超过 100 万亿条安全信号，并拥有 160 万企业客户积累的海量数据，这一数据规模构成 Perception 系统的核心竞争壁垒，也是其区别于竞争对手的关键所在。
要点
- MAI-Cyber-1-Flash 嵌入 MDASH 系统后，在 CyberGym 基准测试中得分接近 96%，超越 Gemini、GPT 及 Mythos
- 分层任务调度机制使 90% 的任务由轻量模型处理，预计可将运营成本降低约 50%
- 复杂推理场景仍需借助 GPT-5.4，微软整体战略向 AI 模型编排平台方向演进
- 新推出的 Perception 系统依托每日逾 100 万亿条安全信号，实现实时威胁监控与自动缓解
原始标题：Microsoft launches its own cybersecurity model MAI-Cyber-1-Flash but still depends on OpenAI for the toughest tasks
本文由 DataHub 基于公开来源整理，用于信息发现与摘要阅读；具体事实、数据和后续更新以原始来源为准。