Microsoft Lança MAI-Cyber-1-Flash e Project Perception: Um Sistema de Segurança Movido a IA que Encontra Falhas Críticas pela Metade do Custo

MAI-Cyber-1-Flash: Um modelo compacto para caçar vulnerabilidades

O MAI-Cyber-1-Flash é um modelo de 5 bilhões de parâmetros, considerado relativamente pequeno para os padrões atuais de IA . Ele foi derivado da linha MAI-Code-1-Flash — que, por sua vez, descende da família de modelos de raciocínio MAI-Thinking-1 da Microsoft, anunciada em junho de 2026 . O modelo foi ajustado especificamente para fluxos de trabalho de vulnerabilidades de segurança cibernética, incluindo descoberta, validação, triagem e geração de patches, dentro do sistema de varredura interno da Microsoft conhecido como MDASH .

Reivindicações de Performance (com uma ressalva importante)

A Microsoft relata que o MAI-Cyber-1-Flash, operando dentro do MDASH, alcança 96% no benchmark CyberGym — um benchmark personalizado da Microsoft para testar detecção, validação e correção de vulnerabilidades — o que representa 12 pontos percentuais acima do Claude Mythos 5, da Anthropic (que obteve cerca de 84%) . Segundo a Microsoft, essa configuração também gera uma economia de custos de aproximadamente 50% em comparação com o uso exclusivo de modelos de fronteira de terceiros, já que o modelo interno lida com cerca de 90% das tarefas do MDASH, reservando modelos mais caros, como o GPT-5.4 da OpenAI, apenas para os casos mais complexos .

Nota sobre verificação independente: Esses números de desempenho e custo são fornecidos pela própria Microsoft. De acordo com o site Digital Applied, nenhuma terceira parte verificou de forma independente a pontuação de 96% no CyberGym, e as entradas no ranking do CyberGym são auto-reportadas pelos laboratórios participantes . O New York Times também observou que a Microsoft não disponibilizou o modelo para testadores independentes antes do lançamento .

Calibração focada em segurança

A Microsoft publicou um Model Card (Cartão do Modelo) para o MAI-Cyber-1-Flash, documentando sua calibragem de segurança, dados de ajuste e uso pretendido dentro do sistema MDASH . O sistema utiliza um mecanismo de debate entre múltiplos modelos e um pipeline de prova dedicado para eliminar falsos positivos antes que qualquer descoberta chegue a um engenheiro humano .

MDASH: O motor que já se provou em produção

O MDASH (Multi-Model Agentic Scanning Harness - Sistema de Varredura Agêntica Multimodelo) é o sistema subjacente no qual o MAI-Cyber-1-Flash opera. Ele orquestra múltiplos LLMs (Grandes Modelos de Linguagem) — incluindo o modelo da Microsoft, o GPT-5.4 da OpenAI e outros — em um fluxo de trabalho coordenado de varredura, validação e correção . A lógica de roteamento atribui tarefas rotineiras ao MAI-Cyber-1-Flash, mais barato, e escala apenas as tarefas de raciocínio mais difíceis para modelos maiores .

Vulnerabilidades do mundo real encontradas

O MDASH já demonstrou seu valor em produção antes do anúncio formal:

• Patch Tuesday de maio de 2026: O MDASH descobriu de forma independente 16 vulnerabilidades previamente desconhecidas na pilha de rede e autenticação do Windows. Quatro delas eram falhas críticas de execução remota de código (RCE) em componentes centrais, incluindo a pilha TCP/IP do kernel do Windows e o serviço IKEv2 . Uma das RCEs críticas era a CVE-2026-33824 (pontuação CVSS 9.8), uma vulnerabilidade de dupla liberação (double-free) no ikeext.dll que podia permitir que um atacante não autenticado enviasse pacotes especialmente criados para uma máquina Windows com IKEv2 ativado . O lote de patches de maio de 2026 da Microsoft corrigiu 118 CVEs no total, com 30 classificadas como críticas .
• Descobertas de junho de 2026: O MDASH continuou encontrando vulnerabilidades além da pilha de rede, incluindo descobertas no Hyper-V, Active Directory e no kernel do Windows . De acordo com relatos, a Microsoft corrigiu 622 falhas em um único mês com a ajuda do MDASH .

As vulnerabilidades foram encontradas usando um sistema de debate multi-modelo, no qual agentes de IA discutiam se uma descoberta era explorável antes de ser encaminhada a engenheiros humanos .

Project Perception: Segurança ágil com equipes Vermelha, Azul e Verde

O Project Perception é a plataforma comercial construída sobre o MDASH e o MAI-Cyber-1-Flash. A Microsoft o posiciona como uma "nova pilha de segurança cibernética" que combina sinais, contexto de segurança, modelos especializados e agentes em um sistema de defesa de aprendizado contínuo, projetado para "usar IA para se defender contra IA" .

Modelo de coordenação de agentes

O Project Perception gerencia equipes de agentes de IA organizados como :

• Equipe Vermelha (Red Team): Simula o comportamento de atacantes para sondar pontos fracos.
• Equipe Azul (Blue Team): Detecta ameaças e investiga sinais.
• Equipe Verde (Green Team): Agentes de correção e aplicação de patches.

O sistema roteia tarefas entre modelos com base na eficiência — pode implantar o MAI-Cyber-1-Flash da Microsoft, o GPT-5.4 da OpenAI ou modelos da Anthropic, dependendo de qual é mais adequado para a etapa específica do fluxo de trabalho .

Escopo e disponibilidade

Embora inicialmente focado no gerenciamento de vulnerabilidades de software, a Microsoft descreveu o Project Perception como uma plataforma que se expandirá para fluxos de trabalho de segurança mais amplos — monitoramento contínuo, investigação de ameaças e correção automatizada — formando um "sistema de defesa de aprendizado contínuo" .

O Project Perception entra em pré-visualização pública em 3 de agosto de 2026 para clientes empresariais da Microsoft que já estão testando o sistema de agentes MDASH . Inicialmente, estará disponível dentro do Microsoft Defender, com planos de ser implementado em todos os produtos de Segurança da Microsoft .

Contexto geral: A corrida armamentista de segurança cibernética com IA

O lançamento de segunda-feira ocorre em meio a uma corrida armamentista de segurança cibernética com IA cada vez mais intensa. A Anthropic já havia estabelecido o ritmo com seu modelo de segurança Claude Mythos, enquanto Google e OpenAI também investiam pesadamente na descoberta de vulnerabilidades com IA . A Microsoft enquadrou explicitamente o anúncio em torno da necessidade de combater atacantes potencializados por IA com defesas potencializadas por IA, argumentando que as ferramentas de segurança tradicionais não conseguem acompanhar o ritmo .

A arquitetura de roteamento de modelos — usando um modelo especialista pequeno e barato junto com modelos de fronteira caros — é um diferencial competitivo em termos de custo. Empresas que enfrentam pressões orçamentárias em ferramentas de segurança de IA veem a redução de 50% nos custos como um grande ponto de venda .

Com o Project Perception entrando em pré-visualização pública em 3 de agosto e o MDASH já tendo se provado em produção com 16 CVEs do mundo real encontradas em um único ciclo de patches, a Microsoft aposta que o histórico de descoberta de vulnerabilidades ao vivo será mais importante do que pontuações de benchmark isoladas nas decisões de compra das empresas . A questão agora é se a validação independente confirmará as alegações da Microsoft — e com que rapidez as empresas confiarão em um sistema de IA para sondar continuamente sua própria infraestrutura.