MAI-Cyber-1-Flash評測：微軟自研資安AI砍半成本抓漏洞 | MAI-Cyber-1-Flash Review: Microsoft's In-House Cyber AI
By Kit 小克 | AI Tool Observer | 2026-08-12 🇹🇼 MAI-Cyber-1-Flash評測：微軟自研資安AI砍半成本抓漏洞 MAI-Cyber-1-Flash 是微軟 2026 年 7 月底發表的自研資安 AI 模型，跑在新的代理人平台 Project Perception 上，8 月 3 日起在 Microsoft Defender（MDASH）內公開預覽。重點在於：它自己包辦九成的漏洞掃描與修補工作，只有最難的一成任務才丟給 GPT-5.4，整體算下來比原本的 MDASH 組合省了大約一半算力成本。 什麼是 MAI-Cyber-1-Flash？跟 Project Perception 什麼關係？ 簡單說， MAI-Cyber-1-Flash 是一顆從 MAI-Code-1-Flash 微調出來的稀疏 MoE 模型，總參數 137B、實際啟動只有 5B，支援 256k 上下文，訓練資料是微軟內部累積的漏洞與修補紀錄。它是 Project Perception 這套「防禦系統」裡的核心引擎，平台上還有紅隊代理人（模擬攻擊者探測）、藍隊代理人（篩選真正的威脅）、綠隊代理人（寫修補並部署），高風險動作仍需要人類簽核才能執行，不是全自動放養。 CyberGym 跑分 95.95% 是什麼概念？ CyberGym 是拿 188 個 OSS-Fuzz 開源專案、共 1,507 個真實漏洞重現任務組成的測試集，考驗模型能不能真的生出可運作的漏洞驗證（PoC）。 MAI-Cyber-1-Flash 加持後的 MDASH 拿下 95.95%，比 Anthropic 的 Mythos（約 83%）高出十幾分。這代表它不只是「看得懂」漏洞報告，而是真的能重現並驗證問題所在，這對資安團隊的實戰價值差很多。 省一半成本是真的嗎？經濟帳怎麼算 微軟的算法是：把便宜的自研模型當主力處理九成例行任務，只有真正棘手的一成才動用昂貴的前沿模型（GPT-5.4）。跟過去 MDASH 全靠 GPT-5.4 + 5.4-mini + 5.3-codex 的組合相比，整體運算成本降了約 50%。這種「小模型扛大部分工作量、大模型救火」的分工邏輯，其實跟 DeepSeek V4 Flash 那套「省成本追平大廠模型」的思...