マイクロソフト、セキュリティ特化モデル「MAI-Cyber-1-Flash」発表：コスト半減でCyberGymスコア96%

ソフトウェアの脆弱性探しにおいて、攻撃者がツールを駆使してコードの隙間を絶え間なく探る中、防御側が最上位の巨大言語モデルをフル稼働させ続けると、トークンコストはあっという間に膨れ上がってしまいます。

こうした課題に対し、マイクロソフトは7月27日、自社開発のセキュリティ特化型小型モデル「MAI-Cyber-1-Flash」を発表し、マルチエージェント脆弱性対応フレームワーク「MDASH」に統合しました。

9割のタスクを小型モデルでさばく省コスト設計

このアプローチの狙いは非常に明確です。セキュリティ監視は24時間365日止められない業務ですが、すべての脆弱性診断に最高性能のモデルが必要なわけではありません。

マイクロソフトは、全体の90%に及ぶ日常的な脆弱性調査タスクを軽量なMAI-Cyber-1-Flashに任せ、残り10%の極めて難解なタスクにのみGPT-5.4などの最上位モデルを充てる仕組みを構築しました。

この大小モデルを組み合わせた階層構造により、従来のGPT 5.4、5.4 mini、5.3 codexの組み合わせと比較して、運用コストを約50%削減したとしています。

コード内の脆弱性特定能力を測るベンチマーク「CyberGym」では、MDASHと新モデルの組み合わせが任意のクラッシュ再現スコアで96%を記録し、MythosやGemini、従来のGPTを上回りました。なお、最新の厳格な提出ルールに基づくスコアでも86.3%を維持しています。

100以上のエージェントと実戦データ

MAI-Cyber-1-Flashは、同社の推論モデル「MAI-Thinking-1」の流れを汲み、コード処理に特化してゼロから社内で構築されました。

マイクロソフトは同時に、自律型セキュリティ監視システム「Perception」も立ち上げました。MDASH内で動く100以上の専門エージェントを束ね、脆弱性の監視から検証、パッチ適用までを継続的に実行します。

コード監査を行うエージェントが暴走しないよう、実行環境はインターネット接続を遮断したサンドボックスに隔離され、第三者機関や自社レッドチームによる検証が行われています。

このシステムを支えているのが、160万社の顧客から得られる知見と、毎日100兆件を超えるセキュリティシグナルです。実際の攻撃と防御の結果を強化学習ループにフィードバックできる環境は、他社には容易に真似できない強みと言えます。

なぜ重要か

企業やセキュリティ担当者にとって、これまでコスト面から断続的にしか行えなかった「常時コード監査」が現実的な予算内で運用可能になった意味は大きいです。コスト半減と処理速度を考慮すると、検証環境ですぐに試す価値は十分にあります。

業界全体で見れば、単一の超巨大モデルに依存する時代から、小回りの利く特化型モデルとエージェント群の連携へ主戦場が移ったことを明確に示しています。マイクロソフトはOpenAIと緊密に連携しながらも、基幹となるセキュリティ領域では自社製MAIの採用を着実に進めています。

私たちは、日常業務の90%を小型モデルに逃がすこの割り振りを非常に合理的だと評価しています。インフラコストを抑えつつ、蓄積した独自データで防御精度を底上げできるからです。

ただし懸念点もあります。AIエージェントによる自動パッチ適用は、複雑な依存関係を持つシステムでは予期せぬ不具合を引き起こすリスクと隣り合わせです。いくら閉じたサンドボックス内であっても、生成された修正を本番環境へ反映する判断には、当面の間人間の慎重な介入が欠かせません。