7月27日,微软 AI 正式发布 MAI-Cyber-1-Flash,这是微软首个面向网络安全场景专门训练的语言模型,脱胎于 MAI-Thinking-1 家族,主打在大型代码库里识别高难度漏洞。模型并非以单点性能取胜,而是被嵌入到自家的多智能体漏洞识别与修复框架 MDASH 中:90% 的常规任务交给 MAI-Cyber-1-Flash 处理,剩下 10% 真正棘手的样本再交棒给 GPT-5.4。结果是,这套 MDASH + MAI-Cyber-1-Flash 的组合在 CyberGym 基准上拿到 95.95%,比 Mythos、Claude 等对手高出约 12 个百分点,同时相对纯 GPT-5.4 的多模型堆栈降低 50% 成本。 更值得注意的是训练数据的护城河。微软每天承接超过 100 万亿条来自身份、终端、云、网络的安全信号,横跨 MSRC 漏洞库与 160 万企业客户的真实攻防数据,这种规模的历史经验几乎无法被复现。模型训练上,微软专门用安全优先的校准,红队 + 第三方独立评估,再叠加企业级 RBAC、租户隔离、加密、沙箱无外网等护栏。 同一天,微软还推出了 agentic 安全系统 Perception,让多个 AI 智能体在 SOC 里持续监控、打补丁、闭环威胁,未来也将接入 MAI-Cyber-1-Flash。这标志着大厂打法正在切换:不再追求单一万能超大模型,而是训练小而专的小模型 + 多智能体编排 + 数据闭环,在垂直领域用极致性价比替代通用前沿模型。对安全行业来说,这是一次范式升级——攻防两端同时被 AI 加速,Defender 端的成本如果率先被打下来,主动防御就有可能从奢侈品变成标配。