MAI-Cyber-1-Flashがプレビュー提供開始、小型特化モデルが脆弱性分析作業の9割を担う

Microsoftは8月3日、MAI-Cyber-1-Flashのプレビュー提供を開始し、このセキュリティ特化モデルをマルチエージェント脆弱性分析システム「MDASH」に統合した。同モデルはMAI-Thinking-1シリーズから派生したもので、疎なMoEアーキテクチャを採用。総パラメータ数は137Bで、推論ごとに約5Bを有効化し、256K tokenのコンテキストをサポートする。設計目標は、すべてのフロンティアモデルを置き換えることではなく、コードスキャン、脆弱性の特定、攻撃の検証といった作業の約9割を処理することにある。より難しいケースだけがGPT-5.4へルーティングされる。

Microsoftによると、この構成はCyberGymで95.95%を記録し、tokenコストを従来の最良のMDASH構成のおよそ半分に削減した。したがって技術的な要点は、モデルのスコアだけではない。低コストかつ低レイテンシーの特化モデルで大量の候補を処理し、不確実性の高い少数のケースのみを高コストなモデルで詳細に分析する点にある。MDASHにはすでに100を超えるエージェントがあり、実行可能な概念実証（PoC）の作成、脆弱性が実在するかどうかの確認、修正案の提示が可能だ。

同時に発表されたProject Perceptionでは、エージェントをレッド、ブルー、グリーンの3チームに分ける。レッドチームは攻撃経路を探索し、ブルーチームは資産とアイデンティティーのコンテキストを組み合わせてリスクを判定し、グリーンチームは修正または防御強化を実施する。これにより、発見から対処までのクローズドループが形成される一方、誤った修正、サプライチェーン由来の入力、エージェント権限が新たなインシデントの発生要因となる。Microsoftは、テスト環境をインターネットから隔離し、暗号化と監査機能も提供するとしている。しかし、本番導入では実システムへの接続が必要になるため、エンジニアリングチームは引き続き、変更承認、ロールバック可能なデプロイ、攻撃コードの隔離、独立したベンチマークの再実行を必須とすべきだ。CyberGymのスコアとコスト削減率は現時点では主にベンダーによる自己評価に基づいており、モデルにはまだ独立したAPIもないため、外部から完全に再現することは依然として難しい。