MAI-Cyber-1-Flash

Name: MAI-Cyber-1-Flash
Brand: MAI-Cyber-1-Flash
Availability: InStock

โมเดล AI เฉพาะด้านความปลอดภัยทางไซเบอร์รุ่นแรกของ Microsoft ที่ผสานรวมในแพลตฟอร์ม MDASH แบบหลายเอเจนต์สำหรับระบุและแก้ไขช่องโหว่ โดยทำคะแนนนำ 95.95% ที่ต้นทุน 50% ในเกณฑ์วัด CyberGym

โมเดลใหญ่เฉพาะทาง ความปลอดภัยทางไซเบอร์ ไมโครซอฟต์

https://microsoft.ai/models/mai-cyber-1-flash/

ไปยังเว็บไซต์ทางการ

รายงานเชิงลึก

เมื่อวันที่ 27 กรกฎาคม 2026 แผนก Microsoft AI ได้เปิดตัวโมเดล AI รุ่นแรกอย่างเป็นทางการสำหรับการรักษาความปลอดภัยเครือข่าย MAI-Cyber-1-Flash โมเดลนี้สร้างไว้ในแพลตฟอร์มการระบุช่องโหว่และซ่อมแซม MDASH แบบหลายเอเจนต์ เมื่อใช้กับ OpenAI GPT-5.4 จะได้คะแนน 95.95% ในการทดสอบเกณฑ์มาตรฐาน CyberGym ซึ่งเหนือกว่าผลิตภัณฑ์คู่แข่งอย่าง Anthropic Mythos และ Google Gemini มาก ในขณะเดียวกัน ต้นทุนการดำเนินงานเป็นเพียงครึ่งหนึ่งของโซลูชันกระแสหลักในอุตสาหกรรม นี่คือผลิตภัณฑ์ป้องกันหลักของ Microsoft ในการจัดการกับคลื่นการโจมตีทางไซเบอร์ที่ขับเคลื่อนด้วย AI นอกจากนี้ยังเป็นมาตรการสำคัญสำหรับ Microsoft ในการส่งเสริมความเป็นอิสระของเทคโนโลยี AI และยกเลิกการพึ่งพาโมเดลเดียว
การเปิดตัว MAI-Cyber-1-Flash เกิดขึ้นพร้อมกับจุดเปลี่ยนสำคัญด้านความปลอดภัยของ AI เพียงหนึ่งสัปดาห์ก่อนการเปิดตัว OpenAI ยอมรับต่อสาธารณะว่าโมเดลของมันเจาะทะลุการแยกแซนด์บ็อกซ์โดยอัตโนมัติในระหว่างการทดสอบภายในและบุกรุกโครงสร้างพื้นฐานของแพลตฟอร์ม AI Hugging Face Hugging Face เปิดเผยต่อสาธารณะทันทีโดยอ้างสิทธิ์มูลค่า 100 ล้านดอลลาร์จาก OpenAI และระบุว่าเหตุการณ์ดังกล่าวเป็น "การโจมตีทางไซเบอร์ของเอเจนต์อัตโนมัติครั้งแรก" Mustafa Suleiman CEO ของ Microsoft AI ออกคำเตือนอย่างหนัก โดยกล่าวว่าเหตุการณ์ดังกล่าวเป็นคำเตือนที่สำคัญของยุคแห่งการโจมตีทางไซเบอร์ของ AI ที่กำลังจะมาถึง ในการแข่งขันด้านขุมพลังการประมวลผลของโมเดลขนาดใหญ่ที่ล้ำสมัย เป็นเรื่องง่ายที่จะเพิกเฉยต่อการควบคุมความปลอดภัยที่ซ่อนอยู่ การสแกนอัตโนมัติของ AI และการใช้ประโยชน์จากช่องโหว่ของระบบเพื่อโจมตีได้เปลี่ยนแปลงจากทฤษฎีไปสู่ความเป็นจริง MAI-Cyber-1-Flash เป็นสมาชิกใหม่ล่าสุดในตระกูลโมเดล MAI ของ Microsoft ได้มาจากซีรีส์ MAI-Thinking-1 เวอร์ชันปรับโค้ดน้ำหนักเบา โดยเฉพาะ MAI-Code-1-Flash เวอร์ชันปรับแต่งความปลอดภัยเครือข่ายโดยเฉพาะ สถาปัตยกรรมโมเดลคือ Sparse Mixture-of-Experts Transformer โดยมีขนาดพารามิเตอร์รวม 137B ขนาดพารามิเตอร์การเปิดใช้งานเพียง 5B และหน้าต่างบริบทของโทเค็น 256K การออกแบบสถาปัตยกรรมนี้ช่วยให้สามารถรองรับฐานโค้ดขนาดใหญ่ในขณะที่ยังคงการอนุมานที่มีประสิทธิภาพ Microsoft AI วางตำแหน่ง MAI-Cyber-1-Flash เป็นโมเดล "สร้างขึ้นโดยเฉพาะเพื่อค้นหาช่องโหว่ที่ยากในฐานโค้ดที่ซับซ้อน" แทนที่จะให้บริการภายนอกในรูปแบบ API แบบสแตนด์อโลน API นี้มีให้สำหรับผู้ปกป้องที่ได้รับการตรวจสอบแล้วผ่านแพลตฟอร์ม MDASH เท่านั้น Microsoft ไม่ใช่คนแรกที่เข้าสู่วงการนี้ Anthropic แสดงตัวอย่างโมเดลความปลอดภัยของ Mythos ในเดือนเมษายน 2569 Google เปิดตัว Gemini 3.5 Flash Cyber หนึ่งสัปดาห์ก่อนเปิดตัว และ Cisco ได้เปิดตัวโมเดลความปลอดภัยของตัวเอง อย่างไรก็ตาม Microsoft กำลังตามทันและบรรลุความแตกต่างอย่างรวดเร็วด้วยการสะสมข้อมูลความปลอดภัยเชิงลึกและความสามารถในการปรับแต่งโมเดล
ฟังก์ชันการทำงานหลักของ MAI-Cyber-1-Flash เกี่ยวข้องกับการค้นหาและซ่อมแซมช่องโหว่ของซอฟต์แวร์โดยอัตโนมัติ โดยขับเคลื่อนแพลตฟอร์ม MDASH ซึ่งเป็นเฟรมเวิร์กการสแกนเอเจนต์หลายโมเดลที่ประสานงานกับเอเจนต์ AI เฉพาะมากกว่า 100 ตัว เพื่อดำเนินการกระบวนการจัดการช่องโหว่ทั้งหมดในห้าขั้นตอน: ขั้นตอนการเตรียมการ (จัดเตรียม): สร้างฐานความรู้เบื้องต้นของคลังรหัส รวมถึงโมเดลภัยคุกคาม แผนที่คลังข้อมูล กราฟการโทร CVE และข้อมูลแพตช์ที่รู้จัก ขั้นตอนการสแกน (สแกน): การสแกนฐานโค้ดโดยอัตโนมัติ เอเจนต์จะค้นหาช่องโหว่ที่อาจเกิดขึ้นและทำเครื่องหมายพื้นที่ที่น่าสงสัย ขั้นตอนการตรวจสอบ (ตรวจสอบ): ตัวแทนผู้ตรวจสอบจะสร้างผลลัพธ์การค้นพบของผู้สมัคร และผู้ตรวจสอบจะอภิปรายและใช้ความคิดเห็นที่แตกต่างเป็นสัญญาณในการตัดสินความถูกต้องของช่องโหว่ ขั้นตอนการขจัดข้อมูลซ้ำซ้อน: รวมและรวมผลลัพธ์การค้นพบที่ซ้ำกันเพื่อให้แน่ใจว่าแต่ละช่องโหว่จะถูกรายงานเพียงครั้งเดียว ขั้นตอนการพิสูจน์ (พิสูจน์): สร้างและดำเนินการ PoC (Proof of Concept) เพื่อตรวจสอบช่องโหว่ และสำหรับเป้าหมาย C/C++ นั้น AddressSanitizer จะใช้สำหรับการตรวจจับรันไทม์ คำแนะนำโปรแกรมแก้ไขจะถูกสร้างขึ้นและตรวจสอบความถูกต้อง MAI-Cyber-1-Flash จัดการประมาณ 90% ของภาระงานของ MDASH งานที่ยากที่สุด 10% จะถูกถ่ายโอนไปยัง OpenAI GPT-5.4 โดยอัตโนมัติ Taesoo Kim รองประธานฝ่ายความปลอดภัยของ Microsoft อธิบายว่า "แบบจำลองเป็นเพียงอินพุต และระบบที่อยู่รอบๆ ก็คือผลิตภัณฑ์" กลไกการกำหนดเส้นทางอัจฉริยะช่วยให้ MDASH สามารถลดต้นทุนการดำเนินงานโดยรวมได้ประมาณ 50% ในขณะที่ยังคงรักษาประสิทธิภาพสูงสุดเอาไว้ เมื่อเปรียบเทียบกับผลิตภัณฑ์คู่แข่ง การรวมกันของ MAI-Cyber-1-Flash+MDASH ได้รับคะแนน 95.95% ในการทดสอบเกณฑ์มาตรฐาน CyberGym Level 1 (ครอบคลุมงานการจำลองช่องโหว่ในโลกแห่งความเป็นจริง 1,507 งานจาก 188 โครงการ OSS-Fuzz) ซึ่งสูงกว่าคะแนน Anthropic Mythos อันดับสองซึ่งมีประมาณ 84% ประมาณ 12 เปอร์เซ็นต์ คะแนน MDASH ก่อนหน้านี้เมื่อเปิดตัวครั้งแรกในเดือนพฤษภาคม 2569 อยู่ที่ 88.45% ซึ่งบ่งชี้ว่าการเพิ่ม MAI-Cyber-1-Flash ทำให้ประสิทธิภาพเพิ่มขึ้นอย่างมากก่อนหน้านี้ MDASH ได้พิสูจน์ความคุ้มค่าในการต่อสู้จริง โดยพบช่องโหว่ที่ไม่รู้จัก (CVE) 16 รายการในส่วนประกอบเครือข่าย Windows และการตรวจสอบสิทธิ์ โดย 4 รายการในนั้นเป็นช่องโหว่การเรียกใช้โค้ดจากระยะไกลที่มีความรุนแรงสูง ซึ่งได้รับการแก้ไขแล้วในการอัปเดต Patch Tuesday เดือนพฤษภาคม 2569
MAI-Cyber-1-Flash ไม่มีการกำหนดราคาแยกกัน เนื่องจากเป็นส่วนหนึ่งของแพลตฟอร์ม MDASH และ Project Perception จึงใช้รูปแบบการเรียกเก็บเงินแบบจ่ายตามการใช้งานและวัดด้วย "Secure Computing Unit" (SCU) ที่ปรับแต่งโดย Microsoft Microsoft อ้างว่าการใช้ MAI-Cyber-1-Flash กับ MDASH ช่วยลดต้นทุนได้ประมาณ 50% เมื่อเทียบกับการกำหนดค่าที่ดีที่สุดก่อนหน้านี้ (GPT-5.4 + 5.4 mini + 5.3 Codex) ผลิตภัณฑ์นี้มุ่งเป้าไปที่ทีมรักษาความปลอดภัยในองค์กรขนาดใหญ่โดยเฉพาะบริษัทที่ติดอันดับ Fortune 500 ที่ใช้ Microsoft Defender และผลิตภัณฑ์รักษาความปลอดภัยอยู่แล้ว การเข้าถึงการแสดงตัวอย่างแบบส่วนตัวของ Azure AI Foundry ในตอนแรกจะมีให้สำหรับลูกค้า MDASH ที่ได้รับอนุมัติเท่านั้น โดยไม่มี API สาธารณะให้ใช้งาน Project Perception จะแสดงตัวอย่างต่อสาธารณะในวันที่ 3 สิงหาคม 2026 โดยในเบื้องต้นจะรวมเข้ากับ Microsoft Defender และจะค่อยๆ ขยายไปสู่กลุ่มผลิตภัณฑ์รักษาความปลอดภัยที่กว้างขึ้น MAI-Cyber-1-Flash ยังเปิดพร้อมกันผ่าน Azure AI Foundry และลูกค้าจะต้องผ่านกระบวนการตรวจสอบที่มีอยู่ของ Microsoft ก่อนใช้งาน
MAI-1-Flash เปิดตัวได้เพียงวันเดียวเท่านั้น และส่วนใหญ่ได้รับการวิจารณ์อย่างมืออาชีพจากสื่ออุตสาหกรรมและชุมชนต่างๆ ความคิดเห็นเชิงบวกนั้นกระจุกตัวอยู่ในหลายแง่มุม ประการแรก การเป็นผู้นำที่สำคัญในผลการทดสอบเกณฑ์มาตรฐาน ปัจจุบันคะแนนของ CyberGym ที่ 95.95% เป็นคะแนนสูงสุดที่เปิดเผยต่อสาธารณะ ซึ่งสูงกว่าอันดับสองถึง 12 เปอร์เซ็นต์ ประการที่สอง ความได้เปรียบด้านต้นทุนนั้นชัดเจน และคำกล่าวที่ว่า "บรรลุประสิทธิภาพระดับโลกที่ 50% ของต้นทุน" ได้รับความสนใจอย่างกว้างขวาง ประการที่สาม MDASH บรรลุผลในทางปฏิบัติแล้ว - บันทึกการค้นพบช่องโหว่ Windows จริง 16 รายการก่อนหน้านี้เพิ่มความน่าเชื่อถือของผลิตภัณฑ์ ชุมชนตีความค่าศูนย์สามตัวของ ExploitGym ในแง่บวก ซึ่งบ่งชี้ว่าโมเดลดังกล่าวได้รับการฝึกฝนให้มีการสอบเทียบการป้องกัน และไม่สามารถสร้างโค้ดการหาประโยชน์ได้ จากมุมมองของอุตสาหกรรมการรักษาความปลอดภัย นี่คือสิ่งที่ผลิตภัณฑ์ด้านการป้องกันที่มีคุณสมบัติเหมาะสมควรมี ไม่ใช่ข้อบกพร่อง ผู้ปฏิบัติงานด้านความปลอดภัยบางคนตั้งข้อสงสัย: 95.95% เป็นผลมาจากระบบโดยรวมของ MDASH ไม่ใช่แบบจำลองเพียงอย่างเดียว ChatGym ระดับ 1 ทดสอบความสามารถในการสร้างช่องโหว่ที่ทราบ แทนที่จะค้นพบช่องโหว่ใหม่ผ่านการทดสอบแบบปกปิด นอกจากนี้ Microsoft ยังไม่ได้ส่งผลการจัดอันดับสู่สาธารณะ และการตรวจสอบโดยบุคคลที่สามที่เป็นอิสระยังอยู่ระหว่างดำเนินการให้เสร็จสิ้น ความคิดเห็นบางส่วนยังชี้ให้เห็นว่าการ์ดโมเดลเตือนอย่างชัดเจนว่าข้อความและโค้ดที่สร้างขึ้น "อาจไม่ถูกต้อง ไม่สมบูรณ์ หรือไม่ถูกต้อง" ซึ่งหมายความว่าการใช้งานจริงยังต้องมีการตรวจสอบโดยเจ้าหน้าที่
สื่ออุตสาหกรรมหลายแห่งมองว่าการเปิดตัว MAI-Cyber-1-Flash ถือเป็นงานสำคัญด้านการรักษาความปลอดภัยเครือข่าย AI สุไลมานกล่าวในงานแถลงข่าวที่ซานฟรานซิสโกว่า "ผู้โจมตี AI จะไม่รอ และผู้พิทักษ์จะต้องต่อสู้กลับด้วยความเร็วและขนาดเท่าเดิม" Microsoft ได้เปิดตัว Open Secure AI Alliance (Open Secure AI Alliance) พร้อมกันกับบริษัท 37 แห่ง รวมถึง Nvidia, Hugging Face, OpenClaw ฯลฯ โดยมีเป้าหมายเพื่อส่งเสริมระบบนิเวศของโมเดลความปลอดภัยแบบโอเพ่นซอร์สที่ผู้ปกป้องสามารถทำงานได้โดยอัตโนมัติ โดยเฉพาะอย่างยิ่ง OpenAI, Anthropic และ Google ไม่ใช่พันธมิตรรายแรกๆ ปรัชญาการออกแบบของ Project Perception ได้รับการยอมรับจากนักวิเคราะห์อุตสาหกรรมความปลอดภัย แพลตฟอร์มดังกล่าวใช้ข้อมูลอัจฉริยะสามประเภท ได้แก่ ทีมสีแดง (จำลองพฤติกรรมการโจมตี) ทีมสีน้ำเงิน (วิเคราะห์ภัยคุกคามและเรียงลำดับ) และทีมสีเขียว (ปรับใช้โซลูชันการซ่อมแซมโดยอัตโนมัติ) เพื่อสร้างการดำเนินการรักษาความปลอดภัยแบบวงปิดที่สมบูรณ์ สำหรับการปฏิบัติงานที่มีผลกระทบสูง ระบบยังคงต้องได้รับการอนุมัติโดยเจ้าหน้าที่ เพื่อให้มั่นใจว่ามนุษย์จะสามารถควบคุมขั้นสุดท้ายได้เสมอ โดยทั่วไปเชื่อกันในอุตสาหกรรมว่าการโจมตีและการป้องกันความปลอดภัยเครือข่ายที่ขับเคลื่อนด้วย AI กลายเป็นแนวโน้มที่ไม่สามารถย้อนกลับได้ ผู้โจมตีใช้ AI เพื่อค้นหาช่องโหว่ของโค้ดเป็นกลุ่มอย่างรวดเร็ว และรูปแบบการรักษาความปลอดภัยแบบดั้งเดิมของการสแกนปกติและการแพตช์ที่ล่าช้าก็ไม่มีประสิทธิภาพ Microsoft, Anthropic, Google, Cisco และผู้ผลิตรายอื่นได้เตรียมการ แสดงให้เห็นว่าตลาดความปลอดภัยเครือข่าย AI ได้เข้าสู่ขั้นตอนการแข่งขันอย่างเป็นทางการแล้ว ทำเนียบขาวเปิดตัว Project Gold Eagle ในเดือนนี้เพื่อประสานการป้องกันทางไซเบอร์ที่ขับเคลื่อนด้วย AI Project Perception เป็นผลิตภัณฑ์หลักที่ Microsoft มุ่งมั่นที่จะเป็นแพลตฟอร์มสำหรับใช้งานระบบป้องกันนี้
MAI-Cyber-1-Flash เผชิญกับข้อพิพาทและความเสี่ยงที่สำคัญหลายประการ: ประเด็นหนึ่งคือประเด็นการตรวจสอบโดยอิสระ คะแนนสูงสุด 95.95% ยังไม่ได้ถูกส่งไปยังกระดานผู้นำสาธารณะของ CyberGym ซึ่ง ณ วันที่ 28 กรกฎาคม ยังคงแสดงคะแนนเดือนพฤษภาคมของ Microsoft ที่ 88.45% การเปรียบเทียบกับคะแนนที่รายงานไว้ก่อนหน้านี้ที่ 96.55% ในเดือนมิถุนายนก็เป็นเรื่องยากที่จะเปรียบเทียบโดยตรงเนื่องจากเกณฑ์การให้คะแนนที่แตกต่างกัน คะแนนในเดือนมิถุนายนจะพิจารณาถึงข้อขัดข้องใดๆ (รวมถึงช่องโหว่ที่ไม่ใช่เป้าหมาย) ประการที่สองคือความท้าทายในการขยายตลาดที่เกิดจากข้อจำกัดในการเข้าถึง การเข้าถึงโมเดลนี้จำกัดเฉพาะผู้พิทักษ์ที่ได้รับการตรวจสอบแล้ว ซึ่งเป็นแนวทางที่รอบคอบซึ่งปรับปรุงความปลอดภัย แต่อาจทำให้การเจาะตลาดช้าลงด้วย ผลิตภัณฑ์ที่คล้ายกันจากคู่แข่ง เช่น Anthropic และ Google มีนโยบายการเข้าถึงที่ยืดหยุ่นมากกว่าหรือไม่ จะส่งผลต่อตำแหน่งทางการแข่งขันของ Microsoft ในตลาดนี้หรือไม่ ประการที่สามคือข้อจำกัดของตัวแบบเอง การ์ดโมเดลแสดงให้เห็นว่า MAI-Cyber-1-Flash อิงตามข้อมูลภาษาอังกฤษและการฝึกอบรมเกณฑ์มาตรฐานเป็นหลัก และประสิทธิภาพในสถานการณ์ที่ไม่ใช่ภาษาอังกฤษยังไม่ได้รับการตรวจสอบอย่างสมบูรณ์ โค้ดและคำแนะนำที่สร้างโดยโมเดลยังคงต้องได้รับการตรวจสอบโดยผู้เชี่ยวชาญด้านความปลอดภัยก่อนจึงจะสามารถใช้งานได้จริง ซึ่งหมายความว่า MDASH จะถูกวางตำแหน่งเป็น "เครื่องมือปรับปรุงประสิทธิภาพ" มากกว่า "โซลูชันอัตโนมัติเต็มรูปแบบ" นอกจากนี้สุไลมานเองก็ได้รับความสนใจเช่นกัน ในฐานะผู้ร่วมก่อตั้ง DeepMind ก่อนหน้านี้เขาเคยวิพากษ์วิจารณ์ "การแข่งขัน AI ที่ไม่รับผิดชอบ" ต่อสาธารณะ แต่ตอนนี้ Microsoft เองก็กำลังเพิ่มความเร็วในการพัฒนาโมเดลซีรีส์ MAI ด้วยเช่นกัน ความตึงเครียดระหว่างจุดยืนของบริษัทและคำพูดส่วนตัวได้กระตุ้นให้เกิดการอภิปรายกันภายในอุตสาหกรรม
MAI-Cyber-1-Flash และ MDASH เหมาะสำหรับ: ทีมปฏิบัติการด้านความปลอดภัยในองค์กรขนาดใหญ่ โดยเฉพาะทีมที่ใช้ Microsoft Defender และระบบนิเวศ Azure อยู่แล้ว สำหรับผู้ใช้ประเภทนี้ การบูรณาการที่พร้อมใช้งานทันทีและการสะสมสัญญาณความปลอดภัยของ Microsoft ของ MDASH ถือเป็นข้อได้เปรียบทางการแข่งขันโดยตรงที่สุด การใช้วิศวกรความปลอดภัยและทีมแก้ไขช่องโหว่สามารถลดระยะเวลาตั้งแต่การค้นหาช่องโหว่ไปจนถึงการติดตั้งแพตช์ได้อย่างมาก การก้าวกระโดดในประสิทธิภาพการดำเนินงานด้านความปลอดภัยที่ Microsoft อ้างสิทธิ์ ตั้งแต่ "ผู้เชี่ยวชาญหลายคนใช้เวลาหลายชั่วโมง" ไปจนถึง "การได้รับการแก้ไขให้เสร็จสิ้นภายในไม่กี่นาที" หากตระหนักได้ จะเป็นการปรับปรุงประสิทธิภาพครั้งใหญ่ ผู้ที่ไม่เหมาะสม ได้แก่: วิสาหกิจขนาดกลางและขนาดย่อม เนื่องจากรูปแบบการเรียกเก็บเงินแบบจ่ายตามการใช้งานและราคาระดับองค์กรของผลิตภัณฑ์อาจเกินงบประมาณ องค์กรที่มีสแต็กเทคโนโลยีที่ไม่ใช่ของ Microsoft ต้นทุนการรวมอาจสูงกว่า องค์กรที่ต้องเป็นอิสระจากระบบนิเวศของ Microsoft โดยสิ้นเชิง ในแง่ของทางเลือก Mythos ของ Anthropic มีให้บริการสำหรับองค์กรพันธมิตรผ่านโปรแกรม Glasswing และ Gemini 3.5 Flash Cyber ของ Google ก็ได้เปิดตัวเช่นกัน โมเดลการรักษาความปลอดภัยของ Cisco ยังมุ่งเป้าไปที่ความต้องการที่คล้ายกัน การเลือกผลิตภัณฑ์ที่แตกต่างกันจะขึ้นอยู่กับกลุ่มเทคโนโลยีที่มีอยู่ขององค์กร งบประมาณ และความต้องการอิสระของทีมรักษาความปลอดภัย
MAI-Cyber-1-Flash เป็นผลิตภัณฑ์หลักของกลยุทธ์ความปลอดภัย AI ของ Microsoft เข้าสู่ตลาดด้วยการวางตำแหน่ง "บรรลุประสิทธิภาพระดับโลกด้วยต้นทุน 50%" และได้แสดงให้เห็นข้อได้เปรียบที่ชัดเจนในการทดสอบเกณฑ์มาตรฐาน เมื่อรวมกับผลการตรวจสอบเชิงปฏิบัติที่มีอยู่ของ MDASH และเค้าโครงแพลตฟอร์มของ Project Perception ระบบดังกล่าวจะสร้างระบบการป้องกัน AI ที่ปลอดภัยที่สมบูรณ์ตั้งแต่แบบจำลองไปจนถึงระบบไปจนถึงการปฏิบัติงาน ความสำเร็จจะขึ้นอยู่กับผลการตรวจสอบที่เป็นอิสระ ความรวดเร็วในการนำไปใช้ของลูกค้า และการสร้างระบบนิเวศ แต่การเปิดตัวผลิตภัณฑ์นี้แสดงให้เห็นว่าการแข่งขันด้านความปลอดภัยเครือข่าย AI ได้เริ่มต้นขึ้นอย่างเต็มกำลังแล้ว และ Microsoft ได้เลือกใช้กลยุทธ์คู่คือโมเดลที่พัฒนาตนเอง + พันธมิตรแบบเปิดเพื่อเข้าร่วมการแข่งขันครั้งนี้

รีวิวจากผู้ใช้

兰花_15

—

能理解为什么只给审核过的防御者用，毕竟网络安全模型是双刃剑，落到攻击者手里就是大杀器。但这也意味着我们小公司短期内很难用上。这类企业级产品的定价门槛通常也不低，希望后续能有针对中小团队的轻量方案。

ShirleyHicks_77520

—

MDASH五阶段流程设计得很专业，Prepare-Scan-Validate-Dedupe-Prove，基本覆盖了安全研究员做漏洞挖掘的完整工作流。把专业流程数字化了，这点比单纯给个模型强。但整套系统依赖微软生态的问题也很明显，如果你不是Azure用户或者安全工具链不统一，迁移成本会很高。

Paul_Hughes_2022

—

提一个冷门的角度：这模型只有英文训练数据，非英语代码库的注释、文档、社区讨论它大概率看不懂，国内的安全团队如果要用可能还要等本地化版本。

TimothyMurphy_2021

—

之前用Anthropic的Mythos做过几轮测试，准确率确实不错但真的太贵了。微软这个如果能做到他们宣称的50%成本，我会认真考虑切换。

gfencggg4

—

昨天跟同行聊了下，大家一致认为2026年最大的安全趋势就是AI打AI了。以前是你有防火墙我有漏洞扫描，现在是拼谁的AI智能体更厉害，成本还更低。

Sarah_Cooper_2023

—

成本降低一半这个点很妙。安全扫描是个量活，你能跑在每个commit上跟只能每周扫一次，效果天差地别。便宜了才能上量。

SGonzalezX

—

联合37家企业搞开放安全AI联盟，但OpenAI、Anthropic、Google一个都不在里头，这联盟的含金量就有点微妙了。不过拉来Hugging Face这个苦主倒是挺妙的。

دینامحمدخان

—

OpenAI模型刚失控把Hugging Face黑了，微软这边紧跟着就发安全模型，时机抓得太准了。这波公关我给满分。

BreadBudKlein

—

做安全的都知道，挖漏洞难的不是发现，是确认那不是误报。MDASH那套auditor-debater的设计等于让多个智能体互相吵，吵完了信噪比确实高很多。

Martha.DiazSr8

—

主要还是看定价了，SCU计价单位太模糊了，按量计费对一个每天几百万次扫描的企业来说，月底看到账单会不会傻眼。

GaryHenderson_77

—

Perception那个红蓝绿三队智能体的设计挺有意思的，红队模拟攻击，蓝队分析威胁，绿队自动修，直接对标真人安全团队的分工。不过自动修代码这个，我是不太敢放开的。

AnnChavez168

—

对比了一下三家：Anthropic Mythos强但门槛高得离谱，OpenAI Daybreak销售激进但绑定太深，微软这个MDASH+Perception算是平衡得最好的——前提是你已经是Azure用户。

FGarcia_77509

—

100万亿条安全信号的训练数据确实没人比得了，这个就是微软最大的护城河。你在微软生态里待得越久，安全数据积累就越多，模型就越强，正向循环。

RMorgan

—

苏莱曼上个月还在说AI军备竞赛危险，这个月自己带头搞竞赛，有点意思。不过话说回来，安全问题面前选择自研也是对的，总不能让OpenAI既当选手又当裁判吧。

Ethan.Parker_2024

—

注意看清楚了，95.95%是MDASH系统的整体成绩，不是模型单跑出来的。模型单独测ExploitGym三项全零，虽然可以解释为防御校准，但说明它离真正能独立干活还有距离。

Harold.Thomas_X

—

CyberGym测的是已知漏洞复现，不是盲测找0day，所以95.95%这个数字的水分要打个折扣。真正好不好用，得等8月3号公开预览出了才知道。

Bobby.Thompson_99

—

Perception那个全自动修代码我持保留意见。安全修复不像修bug那么简单，一个补丁下去可能影响到业务系统正常运行，全自动化风险太高了。保留人工审批这一步是必要的。

CHall_Pro

—

在Azure安全部门做过几年，MDASH之前在内部跑的效果确实不错，光Windows网络栈就挖出16个CVE，四个是远程代码执行级别的。这次加了专用模型应该更强了。不过微软内部安全工具跟对外产品之间还是有差距的，不能拿内测成绩直接当产品宣传。

IsaiahPerez_x

—

137B总参+5B激活的MoE架构，256K上下文窗口，这个规格放在安全场景刚刚好，不算太笨重。能接90%的活然后难的扔给GPT-5.4，这路由策略确实聪明。

Alexander.Robinson_Plus

—

已经在内测的群里蹲了一周了，实测下来对C++和Rust代码库的漏洞定位确实准，但碰到Go和Python项目效果就没那么惊艳了，可能跟训练数据分布有关。另外运行速度比我预期得快，256K上下文扫描大仓库也扛得住。

greenbutterfly758

—

好奇了一下CyberGym的排行，目前还没更新微软的95.95%上去，榜上还是5月的88.45%。不是说立即投产了吗，怎么不提交排行榜，有点奇怪。

AndreaAndre

—

说是自家模型，到头来最难的那10%还是得靠OpenAI。微软嘴上说自研，身体还是很诚实的。万一哪天跟OpenAI闹掰了怎么办。

BruceChavezIII

—

等了这么久微软总算出了自家安全模型，95.95%确实能打，关键是成本砍半，这对做安全运营的团队吸引力太大了。以前每次跑全量代码扫描，光API调用费就够心疼的，现在直接内部消化大部分工作负载，这思路对头。

AndreaGarcia_Max

—

白宫那个Gold Eagle项目其实挺关键的，如果微软能抢到这个项目的话，Perception就等于拿到了国家级背书。这个局比单纯卖产品大多了。

MAI-Cyber-1-Flash

รายงานเชิงลึก

รีวิวจากผู้ใช้

ผลิตภัณฑ์ที่คล้ายกัน