サイバー防御AIの競争軸が、最大級モデルを常に使う発想から、専門モデルとルーティングで費用対効果を上げる設計へ移っている。Microsoftが2026年7月27日に公開した MAI-Cyber-1-Flash inside MDASH は、その転換を数字で示した発表だ。同社はこの構成がCyberGymで95.95%を記録し、現在のMDASH構成より約50%低いコストで動くとしている。

MAI-Cyber-1-Flashは単体のチャットモデルとして前面に出るものではない。Microsoftは、脆弱性の発見、分析、修正を担うmulti-agent harnessであるMDASHの中にこのモデルを組み込んだ。通常タスクの最大90%を比較的小さなcyberモデルが処理し、本当に難しい10%だけをGPT-5.4のような高コストのモデルへ回す。継続的な脆弱性対応では、性能だけでなくトークン費用も防御規模を左右するという判断だ。

ベンチマーク主張も踏み込んでいる。MicrosoftはCyberGymを、大規模コードベースから実際の脆弱性を見つけるreasoning能力を見る評価として説明している。公開資料では、MAI-Cyber-1-FlashとGPT-5.4を組み合わせたMDASHが95.95%に達し、Mythosを約12ポイント上回り、GeminiやGPT系の比較対象にも先行した。もちろん、これはMicrosoft側の結果であり、独立した再現性、誤検知、見逃し、トリアージ負荷の確認が次の論点になる。

同じ日にMicrosoft Securityは Project Perception も前面に出した。Perceptionは、攻撃経路を探るred agent、リスクを調査するblue agent、修正と強化を進めるgreen agentを組み合わせたagentic security systemだ。製品ページでは、Microsoft Defender上でpreview提供され、重要な判断は人間が承認する構造だと説明されている。

土台にあるのはMicrosoftの運用データだ。同社はidentity、endpoint、cloud、networkなどにまたがる1日100兆件以上のセキュリティ信号と、160万顧客から得る運用知見を挙げている。公開ベンチマークだけでなく、実際の調査、封じ込め、修正、攻撃ブロックの結果をharnessとモデル改善に戻す設計を狙っている。

ただし、この領域は常にdual-useだ。脆弱性を速く見つけ再現できるモデルは防御者に必要だが、同じ能力は攻撃側のコストも下げうる。Microsoftはrole-based controls、tenant isolation、暗号化、監査可能性、インターネット接続のないsandboxed executionを安全策として掲げる。8月3日のpublic preview以降、見るべき点は一つ。agentチームが本番環境の露出時間を本当に縮め、同時に不透明な自動化リスクを増やさないかだ。

#mdash

Microsoftの防御AI、CyberGym 96%とMDASH費用半減を同時に狙う