MAI-Cyber-1-Flash inside MDASH – Microsoft AI 발표

Overview

Microsoft는 MDASH 내에 MAI-Cyber-1-Flash를 도입하여 이전 최고 제공물 대비 50% 비용 절감으로 CyberGym 성능에서 최고를 달성했습니다.

Model Architecture and Lineage

MAI-Cyber-1-Flash는 MAI-Thinking-1 계열에서 파생된 컴팩트하고 코드 중심의 보안 모델로, 고품질 데이터에서 사내에서 구축되었습니다.

Performance on CyberGym

CyberGym 벤치마크에서, MAI-Cyber-1-Flash와 GPT-5.4를 함께 사용하는 MDASH는 95.95%의 성공률을 기록했는데, 이는 Mythos보다 12百分点 높으며 다른 모델들의 83.2%~85.6% 범위를 초과합니다.

Cost Efficiency and Multi‑Model Strategy

이 시스템은 MAI-Cyber-1-Flash가 작업의 최대 90%를 처리하도록 설계되어, 더 크고 비용이 높은 GPT-5.4 모델은 나머지 10%의 exceptionally hard tasks에 예약될 수 있습니다; 이 분할은 MDASH의 이전 최고 제공물(GPT 5.4 + 5.4 mini + 5.3 codex)과 비교하여 50% 비용 절감을 가져옵니다.

Data and Harness Advantages

Microsoft의 원격 분석은 ID, 엔드포인트, 클라우드, 네트워크 전반에 걸쳐 일일 조 signals 수조 개를 제공하며, 실제 익스플로잇과 수정 기록도 비교할 수 없이 풍부합니다; MDASH의 멀티 에이전트 하네스는 업계 전문가들이 조정하고 여러 선도 모델을 사용하는 100+ 에이전트로 구성되어 모델의 효과를 증폭시킵니다.

Safety, Governance, and Enterprise Controls

이는 Microsoft의 첫 번째 사이버 모델이기 때문에, MAI-Cyber-1-Flash는 보안 우선 캘리브레이션으로 개발되었으며, Microsoft AI Red Team에 의해 엄격히 평가되었고, 자동화 및 전문가 주도 적대적 연습을 통해 테스트되었으며, 제3자에 의해 독립적으로 평가되었습니다; 역할 기반 접근, 테넌트 격리, 암호화, 감사 가능성, 인터넷 액세스 없이 샌드박스 실행과 같은 엔터프라이즈 컨트롤은 MDASH를 통해 제공됩니다.

Reinforcement Learning Loop and Future Agentic Systems

Microsoft의 보안 운영은 160만 고객으로부터 하루에 100조 개 이상의 보안 신호를 생성하여 모델을 지속적으로 개선하는 실시간 강화 학습 루프를 만듭니다; 새로 출시된 Perception agentic 보안 시스템은 취약점 식별을 넘어 추가 보안 워크플로우로 MAI‑Cyber‑1‑Flash를 확장할 것입니다.

Community Questions and Limitations

Commenters raised several points that the announcement does not yet address:

"내가 농담을 하고 있다면, 이는 Microsoft의 모델이 Microsoft 제품 문제를 해결하는 데 가장 적합하다는 뜻인가요? 왜냐하면 그들은 Microsoft 제품 문제에 대해 조 단위의 데이터 포인트를 가지고 있기 때문입니다." – @gste

"Linux에서 작동하나요?" – @tesdinger

"가중치를 공개해 주세요?" – @LorenDB

"이 보안 관련 내용 중 오픈 소스로 제공되는 부분은 얼마나 되나요? 모델, 학습 데이터, 평가 벤치마크?" – @chvid

"문제는 그들이 cybergym을 사용하고 있다는 점인데, 이는 이미 몇 달 동안 포화 상태입니다." – @danieltk76

These remarks highlight concerns about platform compatibility, model openness, naming conventions, and the current saturation of the CyberGym benchmark.