7月27日、microsoft.aiが「Introducing MAI-Cyber-1-Flash inside MDASH」と題した記事を公開した。Microsoftが開発したサイバーセキュリティ特化AIモデル「MAI-Cyber-1-Flash」と、それを組み込んだマルチエージェントシステムの詳細が紹介されている。

サイバーセキュリティにAIを導入する際、最大の障壁の一つはコストだ。攻撃の量は膨大で、高性能モデルを全タスクに投入し続ければ、トークンコストはすぐに現実的な壁になる。今回Microsoftが示したのは、その問題を「どのモデルをどのタスクに使うか」というモデル選択戦略で解決するアプローチだ。

コスト半減、スコア96%——数字で語るMAI-Cyber-1-Flash

MAI-Cyber-1-Flashの基本設計はシンプルだ。全タスクの約90%をこのコンパクトなモデルで処理し、残り10%の難易度の高いタスクにのみGPT-5.4を投入するという役割分担である。

この組み合わせにより、セキュリティ分野の実践的評価基準として知られるベンチマーク「CyberGym」で96%のスコアを達成した。先代モデル「Mythos」比で+12ポイントの改善であり、かつ現行の最良構成（GPT-5.4 + GPT-5.4 mini + GPT-5.3 codex）と比べてコストを50%削減している。高い性能と低コストを同時に達成したことが、この発表の核心だ。

3つの要素：モデル・データ・ハーネス

Microsoftはこの成果を「Model（モデル）」「Data（データ）」「Harness（ハーネス）」の3軸で説明している。

モデル面では、MAI-Cyber-1-Flashは社内で構築したMAI-Thinking-1ファミリー（Microsoftが独自開発する推論特化モデル群）から派生した、コード処理に重点を置いたコンパクトなセキュリティモデルだ。

データ面でMicrosoftが「最大の競争優位」と表現するのが、数十年のセキュリティシステム構築を通じて蓄積した1日あたり100兆以上のセキュリティシグナルだ。アイデンティティ、エンドポイント、クラウド、ネットワークにまたがるこのデータには、実際のエクスプロイトと対処の記録も含まれている。160万顧客からの運用インサイト、Microsoft Security Response Center（MSRC）を通じた脆弱性情報——こうしたデータをアクションと結果として紐付けられる立場にあるのはMicrosoftのみだとしており、「この歴史は人工的に生成できない」と明言している。サイバーセキュリティAIの実用性は、結局のところモデルアーキテクチャより訓練データの質と量に左右されるという主張は、同社のデータ規模を前にすると説得力を持つ。

ハーネス面では、MDASH（マルチエージェント脆弱性特定・修復ハーネス）が機能の中核を担う。業界のセキュリティ専門家が構築した100以上のエージェントで構成されるシステムで、複数のモデルを組み合わせて脆弱性の発見・検証・修復を一気通貫で担う。MAI-Cyber-1-FlashはこのMDASHに組み込まれる形で機能する。

同時発表：継続監視エージェント「Perception」とセーフティ設計

今回の発表と同時に、MicrosoftはMDASHの上に構築されたエージェント型セキュリティシステム「Perception」も公開した。複数のエージェントチームがセキュリティワークフローを継続的に監視し、パッチ適用・脅威ベクターの閉鎖を自律的に行う仕組みだ。近くMAI-Cyber-1-Flashをソフトウェア脆弱性対応以外の、より広範なセキュリティワークフローにも適用していく方針も示されている。

セーフティ面では、AI Red Teamによる評価、自動化および専門家主導の敵対的テスト（Adversarial Exercise）、第三者機関による独立評価を組み合わせている。MDASHを通じた企業向けコントロールとして、ロールベースアクセス制御（RBAC）、テナント分離、暗号化、監査可能性、インターネット非接続のサンドボックス実行環境も提供される。Microsoftが「同社初のサイバー専用モデル」と位置付ける以上、セーフティ設計に公式に言及したこと自体、企業導入を意識したシグナルといえる。

詳細はIntroducing MAI-Cyber-1-Flash inside MDASHを参照していただきたい。