微軟推出首款專為資安打造的自研 AI 模型 MAI-Cyber-1-Flash。將其嵌入自家的漏洞發掘與修補框架 MDASH 之後，這套組合在業界通用基準 CyberGym 上拿下 96%，費用則降到原本配置的一半。同時，由紅、藍、綠三種代理持續運作的防禦系統 Project Perception 也開放預覽。
把九成工作交給小模型
MAI-Cyber-1-Flash 是一款輕巧的模型，專門用來在複雜的程式碼庫中挖出不易察覺的漏洞。它出自微軟自家的推理模型系列 MAI-Thinking-1，並非改造外部模型，而是以自有的高品質資料從頭打造。
它的設計思路相當明確。微軟認為，在攻擊量急速膨脹的現在，防守方真正的瓶頸不是準確度而是 token 成本。因此日常出現的工作中最多九成由這款輕量模型承擔，只有真正困難的剩餘一成才交給更大、更昂貴的模型，也就是 GPT-5.4。這樣的分工讓整體費用比目前最佳的 MDASH 配置（GPT-5.4、GPT-5.4 mini 與 GPT-5.3 codex 的組合）下降 50%。
MDASH 本身是一套負責從漏洞辨識到修補的多代理框架，由業界第一線的資安專家調校，透過 100 個以上的代理呼叫多款主流模型，分別完成發現、驗證與修補。這次的變化在於，它的核心位置換上了一款專用模型。
CyberGym 領先 12 個百分點
評測所用的 CyberGym，衡量的是系統能否讀懂大規模程式碼庫並找出真實存在的漏洞。由於考驗的是橫跨海量程式碼的推理能力，它在資安領域已被視為事實標準。
MDASH 與 MAI-Cyber-1-Flash 的組合在此達到 96%。微軟表示，這個成績比 Anthropic 的資安平台 Mythos 高出 12 個百分點，也壓過 Gemini 與 GPT 的各種配置。公開的圖表顯示，作為對照的四套方案大致落在 83% 到 86% 之間，原本咬得很緊的局面中只有一家跑了出來。
微軟 AI 執行長 Mustafa Suleyman 在發表會上強調了這項結果，並表示會立刻投入正式環境。可以看出，這套系統從一開始就是以產品而非研究成果為前提打造的。
紅藍綠三色代理撐起 Project Perception
與模型一同亮相的，是代理式資安系統 Project Perception。它已經開放預覽，首先可在 Microsoft Defender 中使用。
其架構以三種顏色的代理來說明。紅色代理以攻擊者視角進行試探，梳理漏洞位置與可行的攻擊路徑；藍色代理針對偵測到的事件展開調查，分辨哪些才是真正有意義的風險；綠色代理則負責動手修補並強化防禦。三者共享同一套脈絡，因此從發現問題到完成修補的過程中，不必在每個環節都交接給人。
除了代理本身，這套方案還包含把決策轉為實際操作的執行器、統籌全局的框架、組織自身的脈絡，以及橫跨端點、身分、雲端與應用程式的訊號與感測器。計費採用用量制，以資安運算單元（SCU）為單位衡量消耗。工作愈重消耗的 SCU 愈多，費用會隨實際工作量浮動。
微軟將 Perception 定位為從 AI 輔助邁向 AI 執行的轉折點。它與對話式的 Microsoft Security Copilot 分工不同，兩者可以並行使用。
人的判斷留在哪裡
自動化程度愈高，界線劃在哪裡就愈值得注意。對此微軟的說法是：策略由人掌握，規模交給自主化。防守方設定目標與護欄，影響重大的操作一定要經過人工簽核。代理的判斷被限定在明確範圍內，可追溯，事後也能重播檢驗。
模型端同樣經過多重檢查。MAI-Cyber-1-Flash 在開發過程中採用資安優先的校準，除了微軟 AI 紅隊的評估，還接受自動化與專家主導的雙重對抗測試，並由第三方獨立評估。運作層面提供角色式存取控制、租戶隔離、加密與稽核軌跡，執行環境則被關在無法連上網際網路的沙箱中。
支撐這一切的，是微軟每天接收的超過 100 兆筆資安訊號，以及來自 160 萬家客戶的營運洞察。能夠把行動與結果對應起來，弄清楚什麼被利用、什麼被遏止、什麼真正奏效，正是持續打磨模型的材料。
總結
MAI-Cyber-1-Flash 是微軟首次自行打造的資安專用模型。它以低成本消化九成日常工作，只把最難的部分交給大型模型，因而在 CyberGym 上取得 96%，同時實現 50% 的成本削減。一同發表的 Project Perception 則由紅、藍、綠三色代理從發現到修補持續運作，可透過 Microsoft Defender 預覽使用。防禦自動化能走到哪裡、人工簽核該擺在哪個環節，這個案例都值得參考。
