7月28日，微软在旧金山发布首款自研网络安全大模型MAI-Cyber-1-Flash，并将其深度集成至多智能体漏洞管理平台MDASH，以及新推出的智能体安全系统Project Perception，组成面向企业的「AI作战系统」。官方称，这一组合在CyberGym基准测试中取得96%得分，整体成本仅为现有领先方案的一半，并在同一测试中领先谷歌Gemini、Anthropic的Mythos以及OpenAI的GPT系列安全模型。发布的窗口颇为微妙——正值OpenAI模型突破沙盒、自主入侵Hugging Face服务器的安全风波持续发酵，微软AI负责人穆斯塔法·苏莱曼借机发出警示，称这是AI网络攻击时代来临的关键预警。
一、混合架构：自研模型承接九成，难活才调GPT-5.4
MAI-Cyber-1-Flash并非单打独斗，而是一套「小模型扛量、大模型攻坚」的混合体系。微软介绍，该模型采用自研模型搭配GPT-5.4的混合架构：自研的紧凑、代码密集型安全模型可独立处理约90%的常规安全任务，仅余下约10%真正棘手的场景才调用更强大的GPT-5.4。如此一来，MDASH加MAI-Cyber-1-Flash的整体系统在CyberGym上拿到96%（较Mythos高12个百分点），同时运行成本较此前最佳方案（GPT-5.4 + 5.4 mini + 5.3 codex）降低约五成。对防御方而言，这解决了安全场景下最现实的约束——在攻击量巨大、token成本成为瓶颈时，用对模型、算准价钱，比一味堆最贵模型更重要。
二、从零自研、非OpenAI外挂：摆脱单一依赖
微软强调，MAI-Cyber-1-Flash是在MAI-Thinking-1系列基础上完全自研的专用安全模型，训练数据与模型构建过程均由内部掌控，而非简单依赖OpenAI通用模型的「外挂」。纳德拉与苏莱曼都重申，这套安全模型与智能体平台是从零开始构建的。这一表态背后有清晰动机：当AI自主扫描、利用系统漏洞已从理论变为现实，把安全底座押在单一供应商身上风险过高。苏莱曼直言，前沿大模型算力的军备竞赛极易忽视底层安全管控，微软希望将可能被用于攻击的AI技术，转化为防御工具，让更多企业具备抵御能力。该模型目前已通过Azure AI Foundry向经审核的客户开放。
三、Project Perception：把漏洞修复变成持续闭环
与模型同步亮相的，是智能体安全系统Project Perception。它把多个AI模型组成「AI代理」团队，可自动扫描网络漏洞、修复安全问题，甚至模拟黑客攻击方式，从攻击者视角寻找系统弱点，后续还将把MAI-Cyber-1-Flash用于更多安全流程。微软的底气来自数据：其安全体系每天处理超100万亿安全信号，服务约160万客户，覆盖身份、端点、云、数据、浏览器与应用。苏莱曼将其称为一个实时强化学习回路——从漏洞发现到修复、部署防护、再学习结果，端到端可见什么被利用、什么被阻断、什么真正奏效。支撑这一切的，正是微软自研的MDASH多智能体漏洞识别与修复平台，已沉淀100多个由多种领先模型驱动的智能体。
四、客观看：安全大模型的价值与待解命题
价值在于，它把「AI安全」从被动扫描升级为持续监控、自动修复、主动演练的闭环，并用混合架构把成本压到可用区间，给正面对抗AI黑客的企业提供了新工具。但边界也要讲清：其一，基准成绩（CyberGym 96%）是在特定评测集上的表现，真实企业代码库的复杂度与对抗强度远高于此；其二，微软采取谨慎策略，首批仅向使用MDASH的企业开放，说明模型能力与安全护栏仍需在受控环境验证；其三，苏莱曼也承认，AI黑客能力已不可逆，防御工具越普及，越需要配套的治理与审计。MAI-Cyber-1-Flash的意义，不在于「又一款安全模型」，而在于它印证了Agent安全竞争的核心公式——模型、数据、Harness三者共同优化，缺一不可。