微软发布自研网络安全AI模型与智能安全平台，直指Anthropic与OpenAI

MAI-Cyber-1-Flash：为漏洞狩猎而生的小巧模型

MAI-Cyber-1-Flash是一个50亿参数的模型，按当前AI标准来看规模相对较小。它源自微软的MAI-Code-1-Flash系列——而该系列本身又脱胎于微软在2026年6月发布的MAI-Thinking-1推理模型家族。该模型针对网络安全漏洞工作流进行了专门微调，涵盖漏洞发现、验证、分类和补丁生成等环节，运行在微软内部名为MDASH的扫描引擎之中。

性能宣称（附重要说明）

微软声称，在MDASH引擎内运行的MAI-Cyber-1-Flash，在微软自研的CyberGym基准测试中取得了96% 的得分——该基准旨在测试漏洞检测、验证和修复能力——比Anthropic的Claude Mythos 5高出12个百分点（后者得分约84%）。微软还表示，这一配置相比完全依赖第三方前沿模型，可节省约50%的成本，因为自研模型承担了MDASH工作流中约90%的任务，仅将最复杂的边缘案例交由OpenAI的GPT-5.4等昂贵模型处理。

独立验证说明： 上述性能和成本数据均为微软单方面宣称。据Digital Applied报道，目前没有第三方独立验证96%的CyberGym得分，且CyberGym排行榜上的数据均由参与实验室自行提交。此外，《纽约时报》也指出，微软在发布前并未将模型提供给独立测试机构进行评估。

安全优先的校准机制

微软发布了MAI-Cyber-1-Flash的模型卡，记录了其安全校准、微调数据以及在MDASH引擎内的预期用途。该系统采用多模型辩论机制以及专用的验证管道，确保在将任何发现上报给人类工程师之前，消除所有误报。

MDASH：已在实战中证明自己的引擎

MDASH（多模型智能体扫描引擎）是承载MAI-Cyber-1-Flash的底层系统。它协调多个大语言模型——包括微软自研模型、OpenAI的GPT-5.4以及其他模型——形成一个协同工作的扫描、验证与修复流水线。其模型路由逻辑将常规任务分配给成本更低的MAI-Cyber-1-Flash，仅将最困难的推理任务升级至更大模型处理。

发现的真实漏洞

在正式发布前，MDASH已在其实际运行中证明了价值：

• 2026年5月补丁星期二： MDASH独立发现了16个此前未知的漏洞，涉及Windows网络和认证堆栈。其中四个是核心组件中的严重远程代码执行（RCE）漏洞，包括Windows内核TCP/IP协议栈和IKEv2服务。其中一个是CVE-2026-33824（CVSS评分9.8），这是ikeext.dll中的一个双释放漏洞，攻击者无需身份验证，只需向启用了IKEv2的Windows机器发送特制数据包即可利用。微软在2026年5月的补丁批次中总共修复了118个CVE，其中30个被评为严重。
• 2026年6月发现： MDASH继续在网络堆栈之外发现更多漏洞，包括在Hyper-V、Active Directory和Windows内核中的发现。据报道，在MDASH的协助下，微软一个月内修补了622个漏洞。

这些漏洞是通过一种多模型辩论系统发现的——AI智能体在将发现上报给人类工程师之前，会相互争论某个发现是否确实可被利用。

Project Perception：整合红、蓝、绿团队的安全智能体平台

Project Perception是构建在MDASH和MAI-Cyber-1-Flash之上的商业化平台。微软将其定位为一种“新型网络安全堆栈”，将信号、安全上下文、专用模型和智能体整合成一个持续学习的防御系统，旨在实现“以AI对抗AI”。

智能体协作模型

Project Perception部署了多个AI智能体团队，具体组织如下 ：

• 红队： 模拟攻击者行为，主动探测弱点
• 蓝队： 检测威胁并调查信号
• 绿队： 负责修复和打补丁

该系统根据效率将任务路由到不同模型——它可以根据具体工作流步骤的需求，部署微软的MAI-Cyber-1-Flash、OpenAI的GPT-5.4或Anthropic的模型。

范围与可用性

尽管初期专注于软件漏洞管理，微软表示Project Perception将扩展至更广泛的安全工作流——持续监控、威胁调查和自动修复——形成一个“持续学习防御系统”。

Project Perception将于2026年8月3日进入公开预览，面向已经测试MDASH智能体引擎的微软商业客户。初期将集成在Microsoft Defender中，并计划逐步推广至所有微软安全产品。

更广泛的背景：AI网络安全军备竞赛

此次发布正值一场愈演愈烈的AI网络安全军备竞赛。Anthropic此前凭借其Claude Mythos安全模型占据了先机，而谷歌和OpenAI也在AI驱动的漏洞发现领域投入巨大。微软明确将此次发布定位为应对AI驱动攻击者的必要防御手段，认为传统安全工具已无法跟上步伐。

模型路由架构——同时使用小巧廉价的专业模型与昂贵的尖端模型——在成本上形成了竞争优势。面对AI安全工具预算压力的企业，将50%的成本削减视为重要卖点。

随着Project Perception于8月3日进入公开预览，且MDASH已在实战中验证（单个补丁周期发现16个真实CVE），微软押注的是：在企业采购决策中，实时的漏洞发现记录将比单纯的基准测试分数更重要。现在的问题是，独立的第三方验证能否支撑微软的宣称，以及企业需要多长时间才能信任一个AI系统持续探测自身基础设施。