Microsoft lanzó el primer modelo específico de ciberseguridad dentro de MDASH: un arnés de identificación y remediación de vulnerabilidades multimodelo.
Según la empresa, MDASH con MAI-Cyber-1-Flash y GPT-5.4 recibió una puntuación del 95,95% en CyberGym. También afirmamos que el costo de esta configuración es un 50% menor que la mejor combinación MDASH actual de GPT-5.4, GPT-5.4 mini y GPT-5.3 Codex. El acceso está limitado a clientes MDASH aprobados a través de la versión preliminar privada de Azure AI Foundry.
MAI-Cyber-1-Flash está diseñado para manejar hasta el 90% de las tareas MDASH y GPT-5.4 está reservado para el 10% más difícil. Solo se puede utilizar dentro de MDASH, no como un modelo público independiente o una interfaz de programación de aplicaciones de propósito general.
La puntuación principal es para MDASH que ejecuta MAI-Cyber-1-Flash en paralelo con GPT-5.4, no solo para el nuevo modelo. CyberGym Level 1 es una prueba de reproducción de vulnerabilidades conocidas. Proporcione al agente una descripción de la vulnerabilidad y el código fuente correspondiente sin parches y vea si puede crear una prueba de concepto funcional. No descubre vulnerabilidades a ciegas ni mide si los parches generados son correctos.
La tabla de clasificación pública de CyberGym no incluía el resultado del 95,95% de Microsoft al 28 de julio de 2026. Aún así, la presentación MDASH de Microsoft del 12 de mayo figuraba en el 88,4%. Los documentos públicos de Microsoft no dicen si los resultados se han presentado para su inclusión en la lista.
El resultado MDASH anterior de Microsoft del 96,55% no resuelve esta comparación. Esta cifra de junio cuenta todas las fallas, incluidas las vulnerabilidades no cubiertas. La documentación de julio no indica si los resultados del 95,95% utilizan los mismos criterios, por lo que los dos puntajes no pueden leerse con seguridad como una tendencia de desempeño de antes y después.
Según la tarjeta modelo de Microsoft, MAI-Cyber-1-Flash es un transformador escasamente especializado con 137 mil millones de parámetros totales, 5 mil millones de parámetros activos y 256 000 ventanas de contexto de token. Este es un ajuste de ciberseguridad para MAI-Code-1-Flash, desarrollado a partir de puntos de control a mitad del entrenamiento en MAI-Thinking-1.
La tarjeta modelo indica que la configuración evaluada reemplazó el 80% del modelo existente de MDASH y aumentó los resultados reportados por CyberGym del 88,4% al 95,95%. Este número del 80% es el porcentaje de modelos que han sido reemplazados. Otra cifra del 90% indica la proporción máxima de tareas que Microsoft puede realizar con su modelo más pequeño.
En resumen, el diseño divulgado presenta el enrutamiento como una afirmación técnica central. MAI-Cyber-1-Flash está diseñado para manejar la mayoría de las tareas, GPT-5.4 maneja las partes restantes más difíciles y Microsoft informa los resultados a nivel del sistema MDASH.
El anuncio de lanzamiento de Microsoft define un ahorro del 50 % para la mejor combinación actual de modelos MDASH de GPT-5.4, GPT-5.4 mini y GPT-5.3 Codex. La página del producto indica por separado que el sistema ofrece «un rendimiento equivalente al 50% del costo de los modelos líderes». Las tarjetas de anuncios y modelos no revelan el uso de tokens, los volúmenes de llamadas, los retrasos, las combinaciones de tareas o las asignaciones informáticas detrás de las comparaciones, por lo que este número aún no se puede reproducir ni normalizar de forma independiente para otros sistemas.
«Un modelo es un insumo y el sistema que lo rodea es el producto».
Taesoo Kim, vicepresidente de seguridad de agentes de Microsoft, utilizó esa distinción cuando habló de MDASH en junio. El modelo de tarjeta con el arnés de terminal liviano reporta puntuaciones de 0,314 en CVEBench, 0,553 en CyberSecEval4 Threat Intelligence, 0,33 en la prueba de análisis de malware y 0,651 en CRSBench con POV=1200.
Este modelo recibió una puntuación de 0 en las categorías Kernel, Espacio de usuario y Navegador de ExploitGym. ExploitGym requiere que los agentes conviertan las vulnerabilidades proporcionadas y las entradas de fallas en exploits de ejecución de código válidos. No existe una puntuación CyberGym independiente para MAI-Cyber-1-Flash, ya que estos resultados provienen de una variedad de tareas y escalas de puntuación.
Microsoft dijo que todas las pruebas de referencia se llevaron a cabo en un entorno de red aislado sin acceso a sistemas de producción, Internet público o servicios externos. La tarjeta modelo también le advierte que el texto y el código generados pueden ser inexactos o estar incompletos y, como resultado, deben revisarse antes de usarse.
La gestión de vulnerabilidades de software con MAI-Cyber-1-Flash dentro de MDASH es el primer escenario anunciado por Microsoft para Project Perception, un sistema más amplio para coordinar agentes de seguridad defensiva. Está previsto que Project Perception entre en versión preliminar pública el 3 de agosto, y Microsoft planea extender este modelo más allá del trabajo de vulnerabilidad de software a flujos de trabajo de seguridad adicionales.
Source link
