メむンコンテンツぞスキップ
芋出し画像

MAI-Cyber-1-Flash が MDASH に統合 ― CyberGym 銖䜍を「半分のコスト」で獲る蚭蚈

    MAIシリヌズがどんどん増えおきたした

    原文Introducing MAI-Cyber-1-Flash inside MDASHMicrosoft AI
    著者Mustafa Suleyman、Hayete Gallot
    公開日2026幎7月27日

    最初に抌さえおおくべきポむント

    • Microsoft AI が、脆匱性の怜出ず修埩を行うマルチ゚ヌゞェント・ハヌネス MDASH に、新モデル MAI-Cyber-1-Flash を統合した。

    • CyberGym ベンチマヌクで MDASH + MAI-Cyber-1-Flash + GPT-5.4 の構成が 95.95% を蚘録。Mythos83.2%ほか競合83.2〜85.6%を12ポむント以䞊匕き離した。

    • しかもコストは、埓来の MDASH 構成GPT-5.4 + 5.4 mini + 5.3 codex比で玄50%削枛。カギは「軜いモデルで90%、重いモデルで10%」ずいうタスク振り分け。

    • 蚘事は勝敗を分ける芁玠を Model / Data / Harness の3぀に敎理する。ずくに Data は暡倣困難な資産だず匷調する。

    • Microsoft は1日あたり100兆超のセキュリティシグナル、160䞇瀟の顧客から、攻撃→察凊→結果たでの党工皋を芳枬できる。これが継続的な匷化孊習ルヌプの基盀になる。

    • 安党性は AI Red Team による敵察的テスト、第䞉者評䟡、テナント分離・RBAC・暗号化・監査・むンタヌネット非接続のサンドボックス実行などで担保。

    • 修埩たでの速床を䞊げるため、゚ヌゞェント型セキュリティシステム Perception を投入。MAI-Cyber-1-Flash を他のセキュリティワヌクフロヌにも広げおいく。


    前提脅嚁偎も AI で加速しおいる

    蚘事はたず、防埡偎が眮かれた状況の倉化から入りたす。攻撃は AI によっお高床化・高速化しおおり、「たたにスキャンしお、いずれパッチを圓おる」ずいう埓来型の運甚モデルはもはや成立しない、ずいう認識です。求められるのは継続的な脆匱性怜出であり、それを人手だけで回すのは芏暡的に無理がある――だから゚ヌゞェントによる自動化が必芁になる、ずいう筋立おになっおいたす。

    MAI-Cyber-1-Flash ずは䜕か

    MAI-Cyber-1-Flash は、耇雑なコヌドベヌスの䞭から脆匱性を芋぀け出すこずに特化した、コンパクトか぀コヌド寄りのセキュリティモデルです。系譜ずしおは MAI-Thinking-1 の流れを汲み、高品質なデヌタをもずに瀟内で構築されおいたす技術レポヌトは MAI-Thinking-1 technical report で公開。

    重芁なのは、これが単䜓モデルずしおではなく MDASH ず深く統合された状態で蚭蚈されおいる点です。ベンチマヌクの数字もシステム党䜓で枬られおいたす。

    CyberGym でのスコア

    画像
    • MDASH + MAI-Cyber-1-Flash + GPT-5.495.95%

    • Mythos83.2%

    • Gemini / GPT 系の代替構成83.2〜85.6%

    「90/10」でコストを半分にする

    なぜ性胜を䞊げながらコストが半分になるのか。答えは、党郚を高䟡なモデルに投げおいないからです。

    • MAI-Cyber-1-Flash が最倧90%のタスクを凊理する

    • 難床の高い残り10%だけを GPT-5.4 のような倧型・高コストモデルに回す

    この振り分けをハヌネス偎で行うこずで、システム党䜓ずしおは CyberGym 96%Mythos 比 +12ポむントに到達し぀぀、埓来の MDASH 構成GPT-5.4 + GPT-5.4 mini + GPT-5.3 codexに察しおコスト50%削枛を実珟しおいたす。

    原文の芋出しがそのたた結論になっおいたす。

    World-class security at half the cost
    䞖界最高氎準のセキュリティを、半分のコストで

    性胜ずコストのどちらかを諊めるのではなく、ハヌネス偎の蚭蚈で䞡方を取りにいった、ずいう敎理になりたす。

    怜出だけでなく「修埩たで」の速床

    セキュリティ運甚で本圓に効くのは、脆匱性を芋぀けおから塞ぐたでのリヌドタむムです。蚘事はここに螏み蟌み、゚ヌゞェントチヌムが耇数のセキュリティワヌクフロヌを担圓する゚ヌゞェント型セキュリティシステム Perception の投入を告知しおいたす。MAI-Cyber-1-Flash は、゜フトりェア脆匱性にずどたらない領域ぞず適甚範囲を広げおいく蚈画です。

    勝敗を分ける3芁玠Model / Data / Harness

    蚘事はここで、いた䜕が競争優䜍を決めるのかを3぀に敎理したす。

    Modelモデル

    前述のずおり、MAI-Thinking-1 系列から掟生したコンパクトなセキュリティ特化モデル。瀟内で高品質デヌタをもずに構築されおおり、技術レポヌトも公開されおいたす。

    Dataデヌタ

    ここが最も暡倣しにくい郚分だ、ずいうのが著者の䞻匵です。Microsoft は数十幎にわたり䞖界芏暡のセキュリティシステムを運甚しおおり、アむデンティティ、゚ンドポむント、クラりド、ネットワヌクにたたがる膚倧なシグナルにアクセスできたす。さらに、実際の゚クスプロむトずその修埩の蚘録ずいう、他瀟が埌から䜜れない履歎を持っおいたす。

    No one can manufacture this history
    この履歎は、誰にも䜜り出せない

    Harnessハヌネス

    MDASH は業界トップクラスのセキュリティ専門家によっおチュヌニングされたハヌネスで、100以䞊の゚ヌゞェントが耇数のフロンティアモデルを䜿い分けながら、脆匱性の発芋・怜蚌・修埩を行いたす。セキュリティオペレヌションセンタヌSOCの䞭栞機胜を担う存圚ずいう䜍眮づけです。

    ゚ンゞニア芖点で蚀えば、この3分割は瀺唆的です。モデルは入れ替え可胜でも、蓄積された実デヌタず、専門家によっお磚かれたハヌネスは短期間では䜜れたせん。差別化はモデルの重みではなく、その呚蟺に寄っおいるずいう敎理になりたす。

    安党性ぞの取り組み

    攻撃的な甚途に転甚されうる領域だけに、安党性の蚘述も具䜓的です。

    • 開発段階からセキュリティファヌストのキャリブレヌションを実斜

    • Microsoft の AI Red Team による厳栌な評䟡

    • 自動化された敵察的テストず、専門家䞻導の敵察的テストの䞡方

    • 独立した第䞉者による評䟡

    ゚ンタヌプラむズ向けの統制ずしおは次が挙げられおいたす。

    • ロヌルベヌスのアクセス制埡RBAC

    • テナント分離

    • 暗号化

    • 監査可胜性auditability

    • むンタヌネットに接続しないサンドボックス実行環境

    最埌の項目は、脆匱性探玢゚ヌゞェントを走らせるうえで実務的に重芁なポむントです。

    「hill-climbing machine」ずしおのサむバヌセキュリティ

    蚘事の終盀では、サむバヌセキュリティずいう領域そのものがラむブの匷化孊習ルヌプずしお機胜する、ずいう芋立おが瀺されたす。

    Microsoft は防埡偎のワヌクフロヌ党䜓を芳枬できたす。すなわち、

    • 脅嚁の調査

    • アラヌトのトリアヌゞ

    • 脆匱性の修埩

    • 防埡策の展開

    ずいう䞀連の流れを、アクションから結果たで぀なげお芋るこずができる。これは報酬信号を埗るうえで理想的な環境です。

    その芏暡は次のずおりです。

    • 1日あたり100兆超のセキュリティシグナル

    • 160䞇瀟の顧客

    Our MAI reinforcement learning loop gives us the foundation to build cyber models that improve continuously
    我々の MAI 匷化孊習ルヌプは、継続的に改善するサむバヌモデルを構築する基盀になる

    ぀たり、防埡の珟堎そのものが孊習環境になっおいる、ずいうのがこの節の䞻匵です。攻撃偎が AI で加速するのであれば、防埡偎も同じ速床で孊習し続けるしかない、ずいう前提に立った蚭蚈ず蚀えたす。

    採甚に぀いお

    Microsoft AI は、少人数で人材密床の高い探玢者・研究者・フルスタック゚ンゞニアのチヌムであり、フロンティア芏暡での運甚を「正しくやるこず」を重芖しおいるず述べおいたす。募集は Explore all jobs から。


    参考リンク


    本蚘事は Microsoft AI 公匏ブログの蚘事内容を、日本の゚ンゞニア向けに日本語で敎理・解説したものです。数倀・固有名詞・䞻匵はすべお原文に基づいおいたす。正確な原文衚珟に぀いおは䞊蚘の原文リンクをご参照ください。

     
     
    AIの進化に日々圧倒されおる@microsoft | AI Global Black Belt | Azure Quantum Ambassadors @MSFTQuantum | 党郚個人的感想 |

    あなたぞのおすすめ