Microsoft 週一發表其首款專為網路安全打造的模型，以及更廣泛的代理式防禦平台，並將這次推出定位為企業 AI 策略的一部分：多數工作使用更小、更便宜的模型處理，較困難的任務則路由至更強大的系統。

該公司宣布 MAI-Cyber-1-Flash，這是一款由 Microsoft AI（MAI）部門內部開發的精簡安全模型。該模型嵌入於 MDASH 之中，MDASH 是 Microsoft 用於偵測與修復軟體漏洞的多代理框架。Microsoft 表示，這套組合系統在 CyberGym 上取得 96% 成績；CyberGym 是一項基準測試，用於衡量 AI 系統在大型程式碼庫中推理並識別真實漏洞的能力。該公司表示，這項結果超越包括 Mythos、Gemini 與 GPT 在內的前沿模型，同時相較 Microsoft 目前的生產配置，成本約降低一半。

Microsoft 也推出 Project Perception，這是一套代理式安全系統，用於協調多種類型的防禦代理：「red team」代理負責搜尋可能的入侵路徑，「blue team」代理負責調查並分級風險，「green team」代理則負責修復問題並強化防禦。Project Perception 預定於 August 3 進入公開預覽，這將成為 Microsoft 能否將其模型加框架方法轉化為安全團隊可在公司外部評估之工作流程的早期測試。

在接受 VentureBeat 獨家訪談時，Microsoft AI 執行長 Mustafa Suleyman 表示，這項公告代表一項更長期工作的起點。

「我們確實擁有相當重要的資料、框架與專業知識護城河，這讓我們能夠訓練出更快、更好、更便宜的模型；我認為這確實只是冰山一角，」Suleyman 說。「我們投入這項工作的時間還不長。下一個模型將會相當驚人。」

Microsoft 的 90/10 架構仍使用 OpenAI 的 GPT-5.4

最值得注意的技術細節之一，不只是 MAI-Cyber-1-Flash 這個模型本身，而是 Microsoft 如何部署它。該公司設計 MAI-Cyber-1-Flash，以高效率處理最多 90% 的安全任務。接著，MDASH 會將其餘 10% 特別困難的問題升級至更大型的前沿模型 OpenAI 的 GPT-5.4。這意味著 Microsoft 的旗艦安全 AI 系統，仍繼續仰賴其長期合作夥伴、且日益明顯的競爭者，來處理最具挑戰性的工作。

Suleyman 表示，關鍵元件是框架，也就是一個協調層，會將每個進入的問題路由到最適合解決該問題的模型。「這個框架就像路由器，」他告訴 VentureBeat。「它有點像護欄與一組組織邏輯規則，會把查詢對應到……進入的問題對應到適合該問題的模型。」

他將該系統描述為由三個部分組成：框架、負責處理多數查詢且更小更快的 MAI-Cyber-1-Flash 模型，以及在旁協作、作為「只是一個通用程式碼模型」的 GPT-5.4。

當被問到一套依賴 OpenAI 模型的系統如何能夠勝過前沿競爭對手時，Suleyman 表示，效能來自完整系統，而非任何單一模型。「這些是非常複雜、冗長的代理式迴圈，需要儲存狀態、調用另一個資料庫、參考最佳實務……再交回給小模型、撰寫大量程式碼，並驗證其正確性，」他說。「要解決這類問題大概有數百個步驟，這就是為什麼真正帶來更好效能的是整個系統的協同運作。」

Suleyman 表示，選擇 GPT-5.4 作為升級層也與成本有關。「GPT-5.6 很昂貴。GPT-5.4 以其成本來看非常出色，」他說。「整件事的重點就是降低成本。Mythos 等模型都極其昂貴……我們希望能以更低成本提供更好效能。這正是客戶想要的。」

這一架構反映 Microsoft 與 OpenAI 關係的變化。Microsoft 仍是合作關係中的客戶與夥伴，而該關係曾在 2024 年受到布魯塞爾與華盛頓的監管審查；同時，Microsoft 也正推動掌控更多 AI 技術堆疊中其認為具有持久優勢的層級。這也顯示 Microsoft 正將模型所有權與系統所有權區分開來：即使使用合作夥伴的模型，它仍強調圍繞該模型的路由、護欄與安全專用工作流程。

Token 成本已成為企業 AI 的主要限制

Microsoft 表示，新配置相較現有 MDASH 設定可節省約 50% 成本；現有設定使用 GPT-5.4、5.4 mini 與 5.3 codex 的混合組合。在網路安全領域，系統需要持續運作並處理極大量訊號，token 成本會快速累積。Microsoft 主張，這些成本已成為防禦者的核心限制。

Suleyman 將成本問題連結到運算基礎設施的物理限制。「採用的關鍵障礙是取得晶片，而成本是晶片的函數，」他說。「不管你有多少錢，晶片供應實際上都是有限的。因此，試圖用更少晶片擠出更多模型輸出，顯然極具價值。」

他也表示，企業正在反彈前沿模型的價格。公司起初使用可取得的最強模型，他說，但「接著他們意識到自己有點像是在支付……驚人的金額，而且人們在整個業務中到處都把 token 用到極限。因此，各處都有巨大的降本壓力。」

Microsoft 正將其方法放在更廣泛的趨勢之中，也就是成本效率高、接近前沿能力的 AI 模型。過去一年，這類系統已出現在包括 xAI 近期 Grok 模型，以及一波基於類似成本效能假設打造的中國模型中。Suleyman 表示，Microsoft 作為平台公司的定位，使其能與企業的成本壓力保持一致。「頂尖模型供應商希望你持續使用最昂貴的模型；而因為我們是平台，所以我們站在企業這一邊，」他說。「沒有必要去問……Mythos 法國首都是哪裡。」

Microsoft 稱其擁有 100 兆安全訊號的資料優勢

Microsoft 的網路安全論述也建立在其安全遙測規模之上。該公司表示，每天處理超過 100 兆個安全訊號，這一數字與其 2025 Digital Defense Report 一致。該報告也提到，每天封鎖 450 萬個新的惡意軟體檔案，並篩檢 50 億封電子郵件。Microsoft 表示，其從 160 萬名客戶中取得營運洞察。

「我們擁有可追溯數十年的數兆又數兆個資料點，」Suleyman 說。「我認為，這是目前最大的縱向網路安全資料集，」部分原因是 Microsoft 服務的客戶包括「多年來一直遭受攻擊的」政府機構，「而我們也一直遭受攻擊。」

當被問及這是否形成競爭者無法匹敵的優勢時，Suleyman 說：「這對我們絕對是一道護城河。包括資料與專業能力，以及這個機構在經歷整個流程中累積的經驗。」

Microsoft 的策略主張是，網路安全可以作為即時強化學習迴圈運作。防禦者採取行動，結果被觀察，模型得以改進。該公司主張，將行動與結果連結起來——包括哪些被利用、哪些被遏止、哪些被封鎖——可提供純模型實驗室無法簡單購買或製造的訓練訊號。

這些基準測試主張也伴隨但書。CyberGym 結果來自 Microsoft 自身評估，而 96% 頭條成績背後的詳細數字是 95.95%。由供應商執行、將經過調校的代理式系統與競爭者基礎模型相比的基準測試，並不是受控的模型對模型測試。Microsoft 衡量的是完整框架加模型配置，對照客戶原本可能自行組裝的方案；這在商業上或許相關，但並非獨立模型的直接比較。

Microsoft 表示因雙重用途風險，存取將受到管制

一個設計用於在複雜程式碼庫中找出困難漏洞的模型，也可能對尋找漏洞的攻擊者有用。Microsoft 自身威脅情報團隊在與 OpenAI 共同於 February 2024 發布的研究中，記錄了來自俄羅斯、北韓、伊朗與中國的國家級行為者，曾探測大型語言模型用於偵察、腳本撰寫與漏洞研究。Microsoft 的 2025 Digital Defense Report 也警告，AI 代理最終可能自動化完整攻擊生命週期。

Suleyman 表示，Microsoft 將據此限制存取。「我們對誰能存取模型非常嚴格，也非常謹慎，」他說。「我們持續監控 API 與使用情況。」他補充說，獲准使用者「必須被認為具有良好意圖，同時也要具備技術能力。」

他表示，推出將分階段進行：「下週不會一下子有數千人。會先是數十人，然後數百人，接著才是數千人。」

Microsoft 表示，MAI-Cyber-1-Flash 已由其 AI Red Team 評估，並經過自動化與專家主導的對抗演練測試，也由第三方獨立評估。該公司表示，部署防護包括租戶隔離、稽核，以及無網際網路存取的沙盒執行環境。

Suleyman 也承認 Microsoft 相對於最新前沿系統的位置，並以謹慎與可靠性來定位其方法。「即使在任何特定時刻，我們可能落後絕對最前沿幾個月……重要的是，我們正非常謹慎且周全地做這件事，而且我們有這樣做的紀錄，」他說。

這種強調出現在 Microsoft 經歷艱難的 2024 安全年之後，其中包括因隱私疑慮而決定延後 Recall 功能，以及在 CrowdStrike 事故導致約 850 萬台 Windows 裝置停擺後，召集產業峰會。

Suleyman 概述 Microsoft AI 的更廣泛路線圖

Suleyman 表示，在 Microsoft 成立其超級智慧團隊約九個月後，MAI 的路線圖正在加速。「我們擁有所需的運算能力。我們當然也擁有所需的資料。我們有人才，」他說。「我們的動能正在快速加速。」

他表示，企業的一項主要需求是「能夠產生任意程式碼，以解決他們指定之任何問題的代理」，因為以 vibe-coded 方式打造的內部工具正從實驗走向生產。他說，下一階段將把語音、轉錄、影像與程式碼模型「全都整合進同一個框架」。

Suleyman 也質疑業界認為 AI 終將收斂為單一大型統一模型的假設。「一個完全多模態的巨型模型，是否真的能因為整合而帶來額外的遷移學習效益，仍有待觀察，」他說，「或者它只是個笨重又昂貴的巨人。」

這一觀點支撐了 Microsoft 的公告。該公司主張，企業 AI 的競爭正從單一模型轉向完整系統：路由器、專用小模型、前沿模型備援選項，以及專有資料迴圈。在網路安全領域，Microsoft 表示其同時掌握安全遙測與防禦產品，使這種方法更具優勢。至於同一策略是否適用於 Microsoft 資料優勢較小的領域，仍是 MAI 路線圖上的未解問題。

目前，Microsoft 正將 MAI-Cyber-1-Flash、MDASH 與 Project Perception 呈現為其在 AI 下一階段競爭方式的預覽：不是只依賴最大模型，而是圍繞模型打造能有效率路由任務的系統。正如 Suleyman 所說，該公司將此視為「冰山一角」。