AI 安全與代理
MAI-Cyber-1-Flash 進入預覽，以小型專用模型承接九成漏洞分析工作
Microsoft 的 MDASH 開始預覽首款自研資安模型 MAI-Cyber-1-Flash，僅把最困難的工作轉交 GPT-5.4。多模型路由降低掃描成本，但自動產生攻擊程式與修補正式環境也擴大了權限及驗證風險。
Microsoft 於 8 月 3 日啟動 MAI-Cyber-1-Flash 預覽，將這款資安專用模型整合進多代理漏洞分析系統 MDASH。模型由 MAI-Thinking-1 系列衍生，採稀疏 MoE 架構，共 137B 參數、每次推論啟用約 5B，支援 256K token 上下文；設計目標不是取代所有前沿模型，而是處理約九成程式碼掃描、漏洞定位與攻擊驗證工作，只有較困難案例才路由至 GPT-5.4。
Microsoft 自報這套組合在 CyberGym 得到 95.95%，並把 token 成本降至先前最佳 MDASH 配置約一半。技術重點因此不只是模型分數，而是以便宜、低延遲的專用模型處理大量候選，再由昂貴模型深入分析少數高不確定性案例。MDASH 內已有逾百個代理，可建立可執行的概念驗證、確認漏洞是否真實，並提出修補。
同時推出的 Project Perception 把代理分成紅、藍、綠三組：紅隊尋找攻擊路徑，藍隊結合資產與身分脈絡判定風險，綠隊採取修補或強化措施。這形成從發現到處置的閉環，但也使錯誤修補、供應鏈輸入與代理權限成為新的事故面。Microsoft 表示測試環境與網際網路隔離，並提供加密和稽核；然而正式部署必須連到真實系統，工程團隊仍應要求變更審批、可回滾部署、攻擊程式隔離及獨立重跑基準。CyberGym 成績與節省幅度目前主要來自廠商自評，且模型尚無獨立 API，外部仍難完整重現。