Microsoftは、以前発表したMDASHマルチエージェントシステムに統合された、セキュリティに特化した小型モデルMAI-Cyber-1-Flashの導入により、サイバーセキュリティ分野でフロンティアAIモデルとの差を縮めたとしている。

Microsoftによると、この統合システムは、大規模コードベース内の実際のセキュリティ欠陥をAIシステムがどれだけ効果的に特定できるかを測定するベンチマークCyberGymで96 percentのスコアを達成した。同社は、この結果が同ベンチマークでMythosを12ポイント上回り、GeminiとGPTのいずれも上回ったとしている。セキュリティチームは大量のコードやアラートをトリアージする必要があることが多いため、Microsoftがベンチマークに基づく脆弱性発見を重視している点は、汎用チャットボットとの比較ではなく、特化型モデルの実用的な用途を示している。

Microsoftは、MAI-Cyber-1-Flashがシステム内のタスクの90 percentを処理でき、より難しいケースのみをGPT-5.4に渡すとしている。同社によれば、このアーキテクチャによりコストを50 percent削減できるという。このモデルはMicrosoftのMAI-Thinking-1系統をベースにしている。大半の作業をより小型のドメイン特化モデルにルーティングし、難しいケースにはフロンティアモデルを温存することが、同社のコスト面の主張の中心にある。企業のセキュリティ導入では、単発のプロンプトではなく、反復的で大量の分析が伴う可能性があるためだ。

この構成は、Microsoftが複雑な推論タスクについて引き続きOpenAIに依存しながら、複数のAIモデルを編成するオーケストレーターとしての立場を強めていることを示している。この変化は、OpenAIの独占的な提供がAzureの成長を後押ししてきた数年を経て、Redmondに本社を置く同社がオープンウェイトモデルにもより積極的になっている中で起きている。

Microsoftはまた、リアルタイムで脅威を監視し緩和するために設計されたエージェントベースのセキュリティシステムPerceptionも導入している。同社は、1日あたり100兆件を超えるセキュリティシグナルと1.6 millionの顧客を挙げ、セキュリティデータの規模を重要な優位性として示している。顧客にとって次の焦点は、これらのシステムが管理されたベンチマークを超えてどのように機能するかであり、エージェントがどれだけ確実に脆弱性を特定し、アラートに優先順位を付け、不要なレビュー負担を増やさずに既存のセキュリティ運用に組み込めるかが含まれる。