Microsoft Lancar MAI-Cyber-1-Flash dan Project Perception

MAI-Cyber-1-Flash: model kecil untuk memburu kelemahan

MAI-Cyber-1-Flash mempunyai 5 bilion parameter, menjadikannya agak kecil berbanding banyak model AI moden . Model ini dibangunkan daripada keluarga MAI-Code-1-Flash, yang pula berkait dengan rangkaian model penaakulan MAI-Thinking-1 yang diumumkan Microsoft pada Jun 2026 .

Microsoft menala model tersebut secara khusus untuk tugasan keselamatan siber, termasuk:

• mencari kelemahan;
• mengesahkan sama ada kelemahan itu boleh dieksploitasi;
• mengasingkan dan menentukan keutamaan risiko; dan
• mencadangkan atau menjana tampalan.

Kesemua tugasan ini dijalankan dalam MDASH, iaitu singkatan bagi Multi-Model Agentic Scanning Harness, sistem pengimbasan berbilang model milik Microsoft .

Dakwaan prestasi dan kos

Microsoft berkata MAI-Cyber-1-Flash yang dijalankan dalam MDASH mencapai 96% dalam penanda aras CyberGym. CyberGym ialah penilaian dalaman Microsoft yang menguji keupayaan mengesan, mengesahkan dan membaiki kelemahan perisian. Skor itu dikatakan 12 mata peratusan lebih tinggi daripada Claude Mythos 5 keluaran Anthropic, yang mencatat kira-kira 84% .

Syarikat itu turut mendakwa konfigurasi berkenaan mengurangkan kos kira-kira 50% berbanding penggunaan model AI canggih pihak ketiga semata-mata. Menurut Microsoft, MAI-Cyber-1-Flash mengendalikan sekitar 90% tugasan dalam aliran kerja MDASH, manakala model lebih mahal seperti GPT-5.4 hanya digunakan untuk kes yang memerlukan penaakulan paling kompleks .

Namun, angka ini perlu dibaca dengan berhati-hati. Skor CyberGym dan anggaran penjimatan kos itu datang daripada Microsoft. Digital Applied melaporkan bahawa tiada pihak ketiga yang mengesahkan secara bebas skor 96% tersebut, manakala penyertaan dalam papan pendahulu CyberGym dilaporkan sendiri oleh makmal yang mengambil bahagian . The New York Times pula menyatakan Microsoft tidak memberikan model itu kepada penguji bebas untuk dinilai sebelum pelancaran .

Pendekatan yang mengutamakan keselamatan

Microsoft menerbitkan Model Card untuk MAI-Cyber-1-Flash yang menerangkan penentukuran keselamatan, data penalaan dan penggunaan model dalam persekitaran MDASH .

Sistem itu menggunakan mekanisme perdebatan antara beberapa model. Ejen AI akan mencabar dan menilai penemuan antara satu sama lain sebelum penemuan tersebut melalui saluran pembuktian khusus. Tujuannya ialah mengurangkan keputusan positif palsu sebelum sesuatu isu diserahkan kepada jurutera manusia .

MDASH: enjin yang sudah diuji dalam operasi sebenar

MDASH ialah sistem yang menyelaras beberapa model bahasa besar, termasuk model Microsoft, GPT-5.4 daripada OpenAI dan model lain, dalam proses pengimbasan, pengesahan serta pemulihan yang tersusun .

Logik penghalaan modelnya memberikan tugasan rutin kepada MAI-Cyber-1-Flash yang lebih murah, kemudian menaikkan tugasan paling sukar kepada model lebih besar. Pendekatan ini membolehkan Microsoft menggunakan model yang sesuai mengikut tahap kerumitan setiap tugasan, bukannya bergantung pada model paling mahal untuk semua kerja .

Kelemahan Windows yang ditemui

Sebelum pengumuman rasmi Project Perception, Microsoft telah menggunakan MDASH dalam pengeluaran. Antara hasil yang dilaporkan ialah:

• Patch Tuesday Mei 2026: MDASH menemui 16 kelemahan yang sebelum ini tidak diketahui dalam komponen rangkaian dan pengesahan Windows. Empat daripadanya diklasifikasikan sebagai kelemahan kritikal yang boleh membawa kepada pelaksanaan kod dari jauh atau RCE, termasuk isu pada tindanan TCP/IP kernel Windows dan perkhidmatan IKEv2 .
• Salah satu isu kritikal yang disebut ialah CVE-2026-33824, dengan skor CVSS 9.8. Ia ialah kelemahan double-free dalam ikeext.dll yang berpotensi membolehkan penyerang tanpa pengesahan menghantar paket yang direka khas kepada komputer Windows dengan IKEv2 diaktifkan .
• Penemuan Jun 2026: MDASH terus mengenal pasti kelemahan dalam bidang lain, termasuk Hyper-V, Active Directory dan kernel Windows . Berdasarkan laporan yang dipetik, Microsoft membaiki 622 kelemahan dalam satu bulan dengan bantuan MDASH .

Dalam proses ini, beberapa ejen AI berdebat tentang sama ada sesuatu penemuan benar-benar boleh dieksploitasi sebelum isu berkenaan dinaikkan kepada jurutera manusia untuk tindakan lanjut .

Project Perception: pasukan AI Red, Blue dan Green

Project Perception ialah platform komersial yang dibina di atas MDASH dan MAI-Cyber-1-Flash. Microsoft menggambarkannya sebagai “cyber stack” baharu yang menggabungkan isyarat keselamatan, konteks, model khusus dan ejen AI ke dalam sistem pertahanan yang sentiasa belajar .

Syarikat itu turut membingkaikan pendekatan ini sebagai usaha untuk menggunakan AI bagi mempertahankan sistem daripada ancaman yang turut dikuasakan AI .

Bagaimana ejen-ejen itu bekerja

Project Perception menyusun ejen AI kepada tiga pasukan utama :

• Pasukan Red: meniru tingkah laku penyerang untuk mencari laluan serangan dan kelemahan;
• Pasukan Blue: mengesan ancaman, menyiasat isyarat dan menilai tahap risikonya; dan
• Pasukan Green: menjalankan pemulihan, memperkukuh pertahanan serta membantu menghasilkan tampalan.

Platform ini juga menggunakan penghalaan model berdasarkan kecekapan. Untuk tugasan tertentu, ia boleh memilih MAI-Cyber-1-Flash, GPT-5.4 atau model Anthropic, bergantung pada model yang paling sesuai untuk langkah kerja tersebut .

Lebih daripada sekadar pengimbasan kod

Pada peringkat awal, Project Perception memberi tumpuan kepada pengurusan kelemahan perisian. Microsoft bagaimanapun berkata platform itu akan berkembang kepada aliran kerja keselamatan yang lebih luas, termasuk pemantauan berterusan, penyiasatan ancaman dan pemulihan automatik .

Project Perception dijadual memasuki pratonton awam pada 3 Ogos 2026 untuk pelanggan perniagaan Microsoft yang sudah menguji harness ejen MDASH . Ia akan tersedia pada peringkat awal dalam Microsoft Defender, sebelum diperluaskan secara beransur-ansur kepada produk Microsoft Security yang lain .

Microsoft menekankan bahawa manusia masih mengawal keputusan kritikal, walaupun ejen AI menjalankan sebahagian besar kerja analisis dan penyelarasan .

Persaingan AI dalam keselamatan siber semakin sengit

Pelancaran ini hadir ketika persaingan untuk membangunkan AI keselamatan siber semakin memuncak. Anthropic sebelum ini menarik perhatian dengan model keselamatan Claude Mythos, sementara Google dan OpenAI turut melabur dalam penemuan kelemahan berasaskan AI .

Kelebihan yang cuba diketengahkan Microsoft bukan sekadar saiz model. Strateginya ialah menggunakan model pakar yang kecil dan murah untuk sebahagian besar kerja, kemudian menggabungkannya dengan model canggih yang lebih mahal apabila penaakulan mendalam diperlukan. Bagi perusahaan yang berdepan kos tinggi untuk mengendalikan alat keselamatan AI, dakwaan penjimatan 50% itu boleh menjadi faktor penting .

Tetapi persoalan utama masih belum terjawab: adakah dakwaan Microsoft akan disahkan oleh penilaian bebas? Project Perception mempunyai tarikh pratonton awam yang jelas, manakala MDASH sudah menunjukkan rekod penemuan 16 CVE dalam satu kitaran tampalan. Kini, pelanggan perusahaan perlu menentukan sama ada prestasi dalam operasi sebenar lebih meyakinkan daripada skor penanda aras—dan sejauh mana mereka sanggup membenarkan AI menguji serta membaiki infrastruktur mereka secara berterusan .