7 月 27 日，Microsoft 在旧金山一场小型发布会上公布了首个自研网络安全模型 MAI-Cyber-1-Flash，以及多智能体安全平台 Project Perception。Microsoft AI CEO Mustafa Suleyman 在现场声称这套组合在 CyberGym 基准上「击败了 Gemini、GPT-5.5 Cyber、GPT-5.6 Sol 和 Mythos 5」。
MDASH 此前已在 6 月 2 日 Build 大会期间报告过 96.55% 的 CyberGym 成绩。此次公布约 96% 的同时，微软强调新配置的成本降低了约 50%。但评分方式和模型组合需要分开看，不能仅凭两个接近的数字断言能力已无改进空间。
CyberGym 分数要区分评分方式和尝试次数
CyberGym 是 UC Berkeley Dawn Song 课题组于 2025 年 6 月发布的基准，包含 1,507 个来自 OSS-Fuzz 的真实漏洞，横跨 OpenSSL、FFmpeg 等 188 个开源项目。任务是给智能体漏洞描述和修复前的代码库，让它生成复现漏洞的概念验证输入（PoC）。早期论文版本中的较强模型与智能体组合，成功率约为 20%。
13 个月间，公开成绩明显上升。Claude Sonnet 4.5 单次尝试为 28.9%，30 次尝试后为 66.7%；Anthropic 报告 Mythos 为 83.1%，OpenAI 的 GPT-5.5-Cyber 为 85.6%，微软此次公布的 MDASH 多模型组合约为 96%。这些成绩来自不同配置，尝试次数、工具和评分规则都会影响结果。
微软后来在官方说明中明确，96% 采用 any-crash 口径，即输入触发代码中任意漏洞导致的崩溃；它不要求一定复现题目指定的漏洞。因此，高分还不能证明基准已经失去区分度。成本是另一个需要同时比较的指标，MAI-Cyber-1-Flash 的主要卖点也在这里。
专用模型最多承担 90% 任务，困难任务交给 GPT-5.4
MAI-Cyber-1-Flash 是从 MAI-Thinking-1 系列衍生的紧凑型模型，侧重代码和安全任务。MAI-Thinking-1 的混合专家架构活跃参数为 35B，这并不等于 Cyber 版本的已披露参数量。微软称，专用模型设计上最多可处理 MDASH 中 90% 的任务，其余约 10% 的高难度任务交给 GPT-5.4。
微软称，与既有 MDASH 配置（GPT-5.4 + 5.4 mini + 5.3 codex）相比，新组合在取得约 96% any-crash 成绩的同时，成本降低约一半。这是系统运行成本的对比，不能直接当作客户账单或所有安全工作成本减半。Unite.AI 的分析指出，MDASH 早在 5 月 12 日首次公开时就报告了 88.45%，其在 Windows 网络与认证协议栈中发现的 16 个漏洞于当月得到修复（其中 4 个为严重级别的远程代码执行漏洞），随后在 Build 上达到 96.55%。这些历史成绩说明 MDASH 已经有较高的漏洞复现表现；此次新增的专用模型，则让微软更强调持续运行的成本。
Hayete Gallot——今年 2 月重新加入 Microsoft 担任安全业务执行副总裁——在官方博客中强调，安全是 24/7 的工作，持续防御也要控制成本。她认为，应按任务选择模型，避免所有工作都使用最昂贵的配置；攻击者也在用 AI 降低发现漏洞的成本。
Perception 协调攻击模拟、风险调查和修复三类智能体
与模型同日发布的 Project Perception 负责协调三类智能体：红队模拟攻击路径、识别潜在弱点，蓝队调查告警并判断风险，绿队执行修复和加固。各类智能体共享发现，高影响操作仍需人工确认。
Perception 汇总来自 Microsoft Defender、Entra ID、Sentinel 等产品的身份、设备、网络和云端信号，持续更新资产、关联关系和风险信息，供智能体共同使用，减少反复整理原始记录的工作。Gallot 将这些组件称为「新 Cyber Stack」。微软说明，Perception 的执行型智能体会与 Security Copilot 的聊天辅助界面配合使用。
MAI-Cyber-1-Flash 接入 MDASH 后，先支持软件漏洞的发现与修复，后续计划扩展到更多安全任务。Perception 的公开预览计划于 8 月 3 日开始，首先进入 Microsoft Defender，随后扩展到其他 Microsoft Security 产品。产品按安全计算单元（Security Compute Units，SCU）用量计费；不同智能体和任务强度消耗不同，扫描范围扩大也可能增加费用。
三家公司分别通过受限访问、伙伴服务和企业产品提供能力
微软、Anthropic 和 OpenAI 正以不同产品和合作计划提供网络安全能力，这些方式也存在重叠。
Anthropic 限定模型访问范围。 4 月公布的 Mythos Preview 未向所有用户开放。Project Glasswing 包括 Microsoft、Google、Apple、Amazon、JPMorgan 等首批伙伴，另向超过 40 家关键软件基础设施组织提供访问，用于防御性安全工作。Anthropic 为该项目承诺了最高 1 亿美元的使用额度。Anthropic 的解释是，希望先由获准的防御团队利用模型加固关键基础设施，同时控制广泛开放带来的风险。
OpenAI 结合访问计划与伙伴服务。 5 月发布的 Daybreak，将网络安全模型、Trusted Access for Cyber 访问计划和合作伙伴服务结合起来。GPT-5.5-Cyber 的 CyberGym 成绩为 85.6%，Codex Security 则支持代码扫描和补丁生成等工作。6 月又启动 Patch the Planet 计划，由 Trail of Bits 联合运营，直接帮助开源维护者修漏洞。
微软将模型纳入现有安全产品。 MAI-Cyber-1-Flash 首先通过 MDASH 支持企业安全任务，不能由此推断模型本身对所有客户无条件开放。微软自称每天处理超过 100 万亿条安全信号、服务 160 万客户，覆盖身份、设备、云和应用。Suleyman 所说的「不只是一个模型，而是模型 + 数据 + 编排工具的联合优化」，强调了历史数据和系统集成的作用；这些资源能带来多大优势，还需结合模型、测试配置和客户效果判断。
成本优势能否用于真实业务，要看误报、修复效果和客户账单
MAI-Cyber-1-Flash 自身的参数量和详细训练数据尚未披露。微软强调安全产品线的「数十年信号积累」，但外界无法据此复现模型。CyberGym 约 96% 是微软报告的多模型系统 any-crash 成绩，不能不加区分地与其他厂商的模型配置和目标漏洞复现成绩比较。Perception 按计划于 8 月 3 日开始预览后，实际效率、误报率和客户反馈将成为重要参考。
Suleyman 在发布会上说「我们立刻将其投入生产」，表明公司已在推动实际使用。企业仍需检查它在自身代码库中的表现。除了约 96% 与约 84% 这类公开数字，更有用的比较是：在相同任务和验收标准下，能发现多少有效漏洞、修复是否正确、需要多少人工复核，以及持续扫描数百万行代码的总费用是否降低。
