Microsoft AI lanza MAI-Cyber-1-Flash: un modelo cibernético de 5B parámetros activos que lleva MDASH al 95,95% en CyberGym

Microsoft AI ha lanzado MAI-Cyber-1-Flash, su primer modelo creado específicamente para la ciberdefensa. El modelo no se envía como terminal independiente. Se ejecuta dentro de MDASH, el arnés de escaneo agente multimodelo de Microsoft.

MAI-Cyber-1-Flash es un transformador con autoatención y escasas capas de mezcla de expertos. Lleva un total de 137 B de parámetros con 5 B activos y una longitud de contexto de 256 k. Las entradas y salidas son solo texto.

Es un ajuste especializado en ciberseguridad de MAI-Code-1-Flash, el modelo de codificación agente ligero ya integrado en GitHub Copilot y VS Code. El comunicado lo describe como derivado del linaje MAI-Thinking-1.

Puntos de referencia

CyberGym es un conjunto público de 1.507 tareas de reproducción de vulnerabilidades del mundo real extraídas de 188 proyectos OSS-Fuzz. Microsoft evaluó la configuración predeterminada de nivel 1 de CyberGym, que proporciona una fuente vulnerable y una descripción de alto nivel.

MDASH ejecuta MAI-Cyber-1-Flash junto con GPT-5.4 obtiene una puntuación del 95,95%. Microsoft enmarca esto aproximadamente 12 puntos por encima del Mythos de Anthropic, y la tabla de lanzamiento sitúa a los cuatro sistemas competidores entre el 83,2% y el 85,6%.

Cuando Microsoft detalló por primera vez MDASH en mayo de 2026, el arnés obtuvo una puntuación del 88,45% en CyberGym utilizando solo modelos disponibles de forma generalizada. Esta ya era la puntuación más alta en la clasificación pública, unos cinco puntos por delante del siguiente participante con un 83,1%. El equipo de investigación afirma claramente la mejora: al reemplazar el 80% de los modelos existentes en MDASH, el arnés pasó del 88,4% al 95,95%.

Por qué la ruta es el producto real

MDASH gestiona más de 100 agentes especializados a través de cinco etapas: preparar, escanear, validar, deduplicar y probar. Los agentes auditores señalan los hallazgos, los agentes polemistas discuten la explotabilidad (usando el desacuerdo como señal) y la etapa de prueba ejecuta entradas de activación con ASan para objetivos C/C++.

Para controlar los costos del modelo de frontera a escala, MAI-Cyber-1-Flash maneja hasta el 90% de las tareas MDASH, escalando el 10% más difícil a GPT-5.4. Este enrutamiento genera un ahorro de costos del 50 % con respecto a la configuración anterior de GPT-5.4, 5.4 mini y 5.3 codex.

MDASH fue desarrollado por el equipo de Seguridad de Código Autónomo (ACS) de Microsoft, que incluye miembros del equipo Atlanta, ganador del DARPA AI Cyber ​​Challenge. En mayo, el trabajo asistido por MDASH generó 16 CVE (incluidos cuatro fallos críticos de ejecución remota de código) en la pila de autenticación y redes de Windows. Retrospectivamente, recuperó el 96 % de los 28 casos de MSRC en clfs.sys y el 100 % de los 7 casos en tcpip.sys durante un período de cinco años.

Actuación

El equipo de investigación presenta resultados independientes de un arnés terminal liviano:

Los ceros rectos en ExploitGym son deliberados, no un defecto. El equipo de Microsoft afirma que el modelo fue entrenado para realizar tareas defensivas, como corregir errores, y no tareas ofensivas, como implementar malware. Un modelo 5B activo que no puede generar exploits pero que puede impulsar un proceso de descubrimiento del 95,95 % es exactamente el artefacto que necesita un producto exclusivo para defensores.

como usarlo

Conclusiones clave

MAI-Cyber-1-Flash tiene 137B en total / 5B activos, un escaso ajuste de MoE de MAI-Code-1-Flash con contexto de 256k. El 95,95 % en CyberGym es una puntuación del sistema: MDASH más el nuevo modelo más GPT-5.4, frente al 88,45 % en mayo de 2026. Maneja hasta el 90 % de las tareas MDASH, escalando el 10 % difícil a GPT-5.4 para un supuesto recorte de costos del 50 %. Las puntuaciones de ExploitGym son 0/0/0 por diseño: el modelo corrige errores, no escribe exploits. El acceso está cerrado