微軟 AI 安全新佈局：專屬模型 MAI-Cyber-1-Flash 與智慧防禦平台 Project Perception 正式亮相

MAI-Cyber-1-Flash：專為漏洞狩獵打造的輕量模型

MAI-Cyber-1-Flash 是一個參數量僅 50 億 的模型，以當代 AI 標準來看屬於輕量級 。它源自微軟的 MAI-Code-1-Flash 系列，而該系列又繼承自 2026 年 6 月公布的 MAI-Thinking-1 推理模型家族 。此模型專為資安漏洞工作流程（包含發現、驗證、分類與修補程式生成）進行微調，並在微軟內部代號為 MDASH 的掃描引擎中運行 。

效能宣稱（附帶重要說明）

微軟表示，於 MDASH 內運行的 MAI-Cyber-1-Flash 在微軟自訂的 CyberGym 基準測試（專為測試漏洞偵測、驗證與修補能力而設計）中達到了 96% 的分數，比 Anthropic 的 Claude Mythos 5（約 84%）高出 12 個百分點 。此外，該配置還能帶來 約 50% 的成本節省，因為自家模型可處理約 90% 的 MDASH 工作流程任務，而 OpenAI 的 GPT-5.4 等昂貴模型僅保留給最複雜的邊緣案例 。

獨立驗證說明： 上述效能與成本數據皆為微軟自行對外宣稱。根據 Digital Applied 的報導，目前尚無第三方機構獨立驗證其 96% 的 CyberGym 分數，且該測試平台的排行榜分數均由參與的實驗室自行申報 。《紐約時報》也指出，微軟在發表前並未將此模型提供給獨立測試人員進行評估 。

安全優先的校準

微軟已發布 MAI-Cyber-1-Flash 的 模型卡，記錄了其安全校準、微調數據以及在 MDASH 引擎內的預期用途 。該系統採用 多模型間的辯論機制 以及 專用驗證管道，以確保任何發現送達人類工程師之前，都能消除誤判 。

MDASH：已在生產環境中證實價值的引擎

MDASH（Multi-Model Agentic Scanning Harness，多模型代理式掃描引擎）是 MAI-Cyber-1-Flash 運作的底層系統。它統籌協調 多個大型語言模型（包括微軟自家的模型、OpenAI 的 GPT-5.4 等），執行一套協調式的掃描、驗證與修復工作流程 。其模型路由邏輯會將例行任務分配給成本較低的 MAI-Cyber-1-Flash，只有最困難的推理任務才會升級至較大的模型 。

真實世界的漏洞發現

在正式發表之前，MDASH 已在生產環境中證明其價值：

• 2026 年 5 月 Patch Tuesday： MDASH 獨立發現了 16 個先前未知的漏洞，遍及 Windows 網路與驗證堆疊。其中有 4 個為影響核心元件的 重大遠端程式碼執行 (RCE) 漏洞，包括 Windows 核心 TCP/IP 堆疊及 IKEv2 服務 。其中一個重大 RCE 漏洞為 CVE-2026-33824（CVSS 評分 9.8），這是一個存在於 ikeext.dll 中的雙重釋放漏洞，允許未經身分驗證的攻擊者向啟用 IKEv2 的 Windows 機器發送特製封包，進而觸發遠端程式碼執行 。
• 2026 年 6 月的發現： MDASH 持續在網路堆疊之外找到更多漏洞，包括 Hyper-V、Active Directory 和 Windows 核心 中的漏洞 。根據報導，微軟當月在 MDASH 的協助下修補了 622 個缺陷 。

這些漏洞是透過 多模型辯論系統 發現的：AI 代理之間會先辯論某個發現是否可被利用，之後才會通報給人類工程師 。

Project Perception：整合紅、藍、綠隊的代理式安全機制

Project Perception 是建立在 MDASH 和 MAI-Cyber-1-Flash 之上的商業平台。微軟將其定位為一個「新型網路安全堆疊」，結合了信號、安全情境、專用模型和代理，形成一個持續學習的防禦系統，旨在實現「以 AI 對抗 AI」。

代理協作模式

Project Perception 部署了多組 AI 代理團隊，組織方式如下 ：

• 紅隊 (Red team)： 模擬攻擊者行為，探測弱點。
• 藍隊 (Blue team)： 偵測威脅並調查可疑信號。
• 綠隊 (Green team)： 負責修補與復原。

系統會 根據效率在不同模型間分配任務——它可以根據特定工作流程步驟的需要，部署微軟的 MAI-Cyber-1-Flash、OpenAI 的 GPT-5.4 或 Anthropic 的模型 。

範疇與上市時程

雖然初期專注於軟體漏洞管理，微軟表示 Project Perception 未來將擴展至更廣泛的安全工作流程，包括持續監控、威脅調查和自動化修復，形成一個「持續學習的防禦體系」。

Project Perception 將於 2026 年 8 月 3 日 針對已參與 MDASH 代理引擎測試的微軟商業客戶開放 公開預覽 。初期將內建於 Microsoft Defender 中，並計劃逐步部署至所有 Microsoft Security 產品 。

更廣泛的脈絡：AI 資安軍備競賽

此次發表正值 AI 資安軍備競賽 白熱化之際。Anthropic 先前已憑藉其 Claude Mythos 安全模型設下了高標，而 Google 和 OpenAI 也在 AI 驅動的漏洞發現領域投入大量資源 。微軟明確將此次發表定位為「以 AI 驅動的防禦來對抗 AI 驅動的攻擊」，並主張傳統安全工具已無法跟上腳步 。

這種 模型路由架構——使用輕量、低成本的專業模型搭配昂貴的尖端模型——是一項成本上的競爭優勢。面臨 AI 安全工具預算壓力的企業，視 50% 的成本節省為主要賣點 。

隨著 Project Perception 將於 8 月 3 日進入公開預覽，且 MDASH 已在生產環境中於一個修補週期內發現 16 個真實世界的 CVE，微軟賭的是：在企業採購決策中，實際的漏洞發現紀錄 將比單純的基準測試分數更具說服力 。接下來的關鍵問題在於，是否有第三方機構能獨立驗證微軟的主張——以及企業願意在多大程度上信任 AI 系統來持續探查自己的基礎架構。