Microsoft 周一发布了其首个定制构建的网络安全模型和更广泛的智能体防御平台，并将此次发布定位为其企业 AI 战略的一部分：在多数工作中使用更小、更低成本的模型，同时将更困难的任务路由至更强大的系统。

该公司宣布推出 MAI-Cyber-1-Flash，这是由其 Microsoft AI (MAI) 部门内部开发的一款紧凑型安全模型。该模型嵌入在 MDASH 中，MDASH 是 Microsoft 用于检测和修复软件漏洞的多智能体框架。Microsoft 称，这一组合系统在 CyberGym 上得分为 96%；CyberGym 是一项衡量 AI 系统在大型代码库中推理并识别真实漏洞能力的基准测试。该公司表示，该结果超过了包括 Mythos、Gemini 和 GPT 在内的前沿模型，同时较 Microsoft 当前生产配置将成本降低约一半。

Microsoft 还推出了 Project Perception，这是一个智能体安全系统，旨在协调多类防御智能体：“red team” 智能体负责寻找潜在入侵路径，“blue team” 智能体负责调查和分流风险，“green team” 智能体负责修复问题并加固防御。Project Perception 计划于 August 3 进入公开预览，这将成为 Microsoft 能否将其“模型加框架”方法转化为安全团队可在公司外部评估的工作流的一项早期测试。

在接受 VentureBeat 独家采访时，Microsoft AI CEO Mustafa Suleyman 表示，此次发布代表着一项更长期工作的开始。

“我们确实拥有相当显著的数据、框架和专业能力护城河，这使我们能够训练出更快、更好、更便宜的模型；我认为这真的只是冰山一角，”Suleyman 说。“我们在这方面投入的时间还不长。下一个模型会相当出色。”

Microsoft 的 90/10 架构仍使用 OpenAI 的 GPT-5.4

最值得注意的技术细节之一，不是 MAI-Cyber-1-Flash 这个模型本身，而是 Microsoft 如何部署它。该公司设计 MAI-Cyber-1-Flash，使其能够高效处理多达 90% 的安全任务。随后，MDASH 会将剩余 10% 中尤其困难的问题升级至更大的前沿模型，即 OpenAI 的 GPT-5.4。这意味着 Microsoft 的旗舰安全 AI 系统在最具挑战性的工作上，仍继续依赖其长期合作伙伴、同时也日益显眼的竞争对手。

Suleyman 表示，关键组件是框架，也就是一个将每个传入问题路由至最适合解决该问题的模型的编排层。“这个框架就像一个路由器，”他告诉 VentureBeat。“它有点像护栏和一套组织逻辑规则，用于将查询，也就是传入的问题，匹配到适合该问题的模型。”

他将该系统描述为由三部分组成：框架、负责处理大多数查询的更小且更快的 MAI-Cyber-1-Flash 模型，以及与其并行运行、作为“只是一个通用编码模型”的 GPT-5.4。

当被问及一个依赖 OpenAI 模型的系统如何能够超越前沿竞争对手时，Suleyman 表示，性能来自完整系统，而不是任何单一模型。“这些是非常复杂、很长的智能体循环，需要存储状态、调用另一个数据库、参考最佳实践……再交回给小模型，编写大量代码，验证其是否正确，”他说。“解决这个问题大概要经过数百个步骤，这就是为什么真正带来更好性能的是整个系统。”

Suleyman 表示，选择 GPT-5.4 作为升级层同样是出于成本考虑。“GPT-5.6 很贵。相对于成本而言，GPT-5.4 非常出色，”他说。“这里的核心就是降低成本。Mythos 等模型都极其昂贵……我们希望能够以更低成本提供更好的性能。这就是客户想要的。”

这一结构反映了 Microsoft 与 OpenAI 关系的变化。Microsoft 仍是这项合作关系中的客户和合作伙伴，而该合作关系曾在 2024 年受到布鲁塞尔和华盛顿的监管审查；与此同时，Microsoft 也在推动控制更多其认为具备持久优势的 AI 技术栈层级。这也显示出 Microsoft 正在将模型所有权与系统所有权分离：即便在使用合作伙伴模型时，它也强调围绕该模型的路由、护栏和面向安全的专用工作流。

Token 成本已成为企业 AI 的主要约束

Microsoft 称，新配置相较现有 MDASH 设置可节省约 50% 成本；现有设置使用 GPT-5.4、5.4 mini 和 5.3 codex 的组合。在网络安全领域，系统持续运行并处理极大量信号，token 成本会迅速累积。Microsoft 认为，这些成本已成为防御方的核心约束。

Suleyman 将成本问题与计算基础设施的物理限制联系起来。“采用的关键障碍是获取芯片，而成本是芯片的函数，”他说。“无论你有多少钱，芯片供应实际上都是有限的。因此，试图用更少芯片压榨出更多模型输出显然非常有价值。”

他还表示，企业正在反对前沿模型的定价。公司最初使用可获得的最强模型，他说，但“随后他们意识到自己似乎在支付……一笔惊人的费用，而人们在整个业务中到处都把 token 用到极限。因此，降低各处成本的反弹非常强烈。”

Microsoft 正将其方法置于一个更广泛的趋势之中，即转向成本高效、接近前沿水平的 AI 模型。过去一年，这类系统已经出现在 xAI 最近的 Grok 模型等发布中，也出现在一批基于类似成本性能假设构建的中国模型中。Suleyman 表示，Microsoft 作为平台公司的定位使其能够与企业成本压力保持一致。“顶级模型提供商希望你持续使用最昂贵的模型，而由于我们是一个平台，我们站在企业一边，”他说。“没必要去问……Mythos 法国的首都是什么。”

Microsoft 称其拥有 100 万亿安全信号的数据优势

Microsoft 的网络安全论点还建立在其安全遥测规模之上。该公司称其每天处理超过 100 万亿个安全信号，这一数字与其 2025 Digital Defense Report 一致。该报告还称，每天阻止 450 万个新恶意软件文件，并筛查 50 亿封电子邮件。Microsoft 表示，其从 160 万客户中获取运营洞察。

“我们拥有可追溯数十年的数以万亿计的数据点，”Suleyman 说。“我认为，这是规模最大的纵向网络安全数据集，”部分原因是 Microsoft 服务的客户包括“多年来一直受到持续攻击的”政府，“而我们也一直受到持续攻击。”

当被问及这是否构成竞争对手无法匹敌的优势时，Suleyman 表示：“这对我们来说绝对是一条护城河。包括数据和专业能力，以及这个机构经历这一过程所积累的经验。”

Microsoft 的战略主张是，网络安全可以作为一个实时强化学习循环来运行。防御者采取行动，结果被观察，模型可以改进。该公司认为，将行动与结果连接起来——包括哪些内容被利用、哪些被遏制、哪些被阻止——能够提供纯模型实验室无法简单购买或制造的训练信号。

这些基准测试说法也存在需要注意的地方。CyberGym 结果基于 Microsoft 自身评估，而 96% 这一标题成绩背后的详细数字为 95.95%。由供应商运行、将调优后的智能体系统与竞争对手基础模型进行比较的基准测试，并不是受控的模型对模型测试。Microsoft 衡量的是一个完整的“框架加模型”配置，与客户可能自行组装的方案进行对比；这或许具有商业相关性，但并不是对独立模型的直接比较。

Microsoft 称由于双重用途风险，将对访问进行准入控制

一个旨在复杂代码库中发现困难漏洞的模型，也可能对寻找漏洞的攻击者有用。Microsoft 自身威胁情报团队在 2024 年 February 与 OpenAI 联合发布的研究中记录了来自俄罗斯、朝鲜、伊朗和中国的国家级行为体试探大型语言模型，用于侦察、脚本编写和漏洞研究。Microsoft 的 2025 Digital Defense Report 还警告称，AI 智能体最终可能自动化完整攻击生命周期。

Suleyman 表示，Microsoft 将据此限制访问。“我们对谁能访问该模型非常严格，并且对此非常谨慎，”他说。“我们持续监控 API 和使用情况。”他补充说，获批用户“必须被认为具有良好意图，同时也具备技术能力。”

他说，发布将分阶段进行：“下周不会一下子有数千人。会先是数十人，然后数百人，再到数千人。”

Microsoft 称，MAI-Cyber-1-Flash 已由其 AI Red Team 评估，并经过自动化和专家主导的对抗性测试，还由第三方进行了独立评估。该公司表示，部署保护措施包括租户隔离、审计，以及无互联网访问的沙箱执行环境。

Suleyman 还承认 Microsoft 相对于最新前沿系统的定位，并将其方法表述为注重谨慎和可靠性。“即便我们在任何特定时刻可能比绝对前沿落后几个月……重要的是，我们非常谨慎和周密地推进，而且我们在这方面有过往记录，”他说。

这一重点出现在 Microsoft 经历艰难的 2024 年安全考验之后，包括因隐私担忧推迟 Recall 功能，以及在 CrowdStrike 故障导致约 850 万台 Windows 设备停用后召集行业峰会。

Suleyman 概述 Microsoft AI 的更广泛路线图

Suleyman 表示，在 Microsoft 组建其超级智能团队约九个月后，MAI 的路线图正在加速。“我们拥有所需的算力。我们当然拥有所需的数据。我们拥有人才，”他说。“我们的势头正在迅速加快。”

他说，企业方面的一个主要需求是“能够生成任意代码来解决他们指定的任何问题的智能体”，因为通过 vibe coding 构建的内部工具正从实验走向生产。他表示，下一阶段将把语音、转录、图像和编码模型“全部集成到同一个框架中”。

Suleyman 还质疑了行业关于 AI 将收敛为单一大型统一模型的假设。“一个完全多模态的巨大模型，是否真的能够因为整合而带来额外的迁移学习收益，这还有待观察，”他说，“还是说它只是一个笨重而昂贵的巨人。”

这一观点支撑了 Microsoft 的发布。该公司认为，企业 AI 竞争正在从单个模型转向完整系统：路由器、专用小模型、前沿模型回退选项，以及专有数据循环。在网络安全领域，Microsoft 称其同时控制安全遥测和防御产品，这强化了该方法。该策略是否同样适用于 Microsoft 数据优势较小的领域，仍是 MAI 路线图上的一个开放问题。

目前，Microsoft 正将 MAI-Cyber-1-Flash、MDASH 和 Project Perception 作为其如何参与下一阶段 AI 竞争的预览：不是只依赖最大的模型，而是围绕能够高效路由任务的模型构建系统。正如 Suleyman 所说，该公司将此视为“冰山一角”。