从11.9%飙到95.95%！微软屠榜网安基准，真正王牌不是大模型|调用|智能体|网络安全|知名企业|一代版本模型_网易订阅

新智元报方式95.95%。从飙在业内公认的到微大模代版CyberGym网安基准上，这个分数刚刚把一众最不过尖的软屠模型甩到了身后。而拿下它的榜网本模，不是安基安全一个前沿模型，而是准真正王知名微软的MDASH系统。微软公布的型调型网CyberGym测试结荚。MDASH组合以95.95%的用智易订阅成绩，压过GPT-5.5 Cyber、网络Mythos 5等四个前沿模型。企业（图源：Microsoft AI）跟在MDASH身后的从飙，是到微大模代版GPT-5.5 Cyber 85.6%、Mythos 5 83.8%、软屠GPT-5.6 Sol 83.6%、榜网本模Gemini 3.5 Flash Cyber 83.2%。安基安全MDASH领先第二名超过10个百分点，断层首先。更狠的是价格：MDASH的成本，只有微软之前最强配置的一半。微软CEO纳德拉亲自在X上发帖站台：世界级的安全能力，一半的价钱。最猛的数字不是95.95%是90%95.95%固然亮眼，但真正关键注意的，是另一个数字：90%。九成的活，是一个激活参数只有5B的小模型扛下来的。它叫MAI-Cyber-1-Flash，微软首先个自己造的网络安全模型，总参数137B，激活只有5B，是微软代码模型MAI-Code-1-Flash的网安专用微调版。微软AI的掌门人苏莱曼在验明正身MDASH时说，MAI-Cyber-1-Flash最多处理九成查询，剩下最难的10%，交给大约比它大10倍的GPT-5.4收尾。MAI-Cyber-1-Flash被设方式为有效处理最多90%的任务，最难的10%才交给GPT-5.4。（图源：Microsoft AI）为什么关键这么分？因为网络安全，是一场7×24小时不停的持久战。攻击每天像潮水一样涌进来，关键扫的代码就像是一座不断堆高的山。在这种状况下，真正卡脖子的不是模型够不够聪明，而是token够不够便宜。以前的打法，是便捷粗暴地堆最贵的模型，一遍遍地扫。因此微软的算盘是：让便宜好用的小模型不过在前面吃掉九成任务，好把最贵的旗舰模型省下来，只碰那一成的疑难杂症。这就是一套全新的AI网络安全经济学。MAI-Cyber-1-Flash的官方模型卡里，藏着一个更直观的例子：原本的MDASH跑CyberGym是88.4%。把其中80%的模型调用换成便宜的MAI-Cyber-1-Flash，成绩非但没掉，反而抬到95.95%。相比之前最好的GPT-5.4、5.4 mini和5.3 codex那套配置，便宜了整整一半。然而话说回来，「最多处理九成任务」讲的是MDASH内部的模型路由比例，不是「自动修好了90%的漏洞」。旗舰虽然坐了冷板凳，可活儿，仍是一整条流水线一起干出来的。不是模型封神而是系统跑出来的95.95%，不是MAI-Cyber-1-Flash一个模型的成绩，而是一套叫MDASH的系统跑出来的。它是微软的多模型漏洞识别与修复系统。里面有100多个专用智能体，各干各的：有的审代码，有的验漏洞，有的为「这个发现是真是假」互相辩比如，有的去重，还有的写漏洞说明。而模型，只是其中一个零件。微软把自己的打法拆成三个词：Model、Data、Harness。模型、数据、编排。这三样一起调优，才有了那个跑分。其中，竞争对手最难抄的是数据。微软每天能看到超过100万亿个安全信号，横跨身份、终端、云和网络；服务着160万家客户；从微软安全响应中心一路到实战里，什么漏洞被利用了、什么被挡住了、什么补丁真的有效，全掌握在它手中。因此，微软放了句很硬气的话：这段历史，没人能凭空造出来。意思是，模型你可以追，数据你追不了。它想强调的是：模型只是输入，系统才是产品。当各家模型的能力都被拉平，真正拉开差距的，是谁的系统调度得更省，谁的安全数据攒得更久、更全。这95.95%测的是漏洞复现成功率先搞清楚CyberGym测的到底是什么。它给智能体一段补丁前的代码，外加一份漏洞描述，让智能体写出能复现这个漏洞的PoC，再拿补丁前后的版本去验明正身。CyberGym基准构成：来自188个开源项目的1507个真实漏洞，智能体根据漏洞描述和补丁前代码生成PoC，在补丁前后版本中验明正身复现。（图源：CyberGym比如文，UC Berkeley）说白了，是「照着线索复现已知漏洞」，不是「面对陌生代码盲找新洞」。准确地说，是漏洞复现成功率，不是漏洞发现准确率。是不是说，这个95.95%的数字就没那么厉害了？CyberGym原始比如文里，当时最强的组合OpenHands加Claude-3.7-Sonnet，复现率只有11.9%。一年多，从11.9%到95.95%，这数字爬升本身就够惊人了。然而，得给这个成绩打个补丁：截至发稿，95.95%还没进CyberGym公开榜单，榜上挂的仍是微软5月那次88.4%的旧分。因此严格说，它目前只能算「微软自己宣称」。但MDASH在5月12日首先发时的88.45%，就是当时CyberGym公开榜单上的最高分，领先第二名约5个百分点。还有一点，MAI-Cyber-1-Flash目前并不是公共模型，它只在MDASH内部，通过Azure AI Foundry的私人预览，向审核通过的客户开放。造了自己的模型最难的活还得交给OpenAI微软造出了自己的安全模型，本想少依赖点OpenAI。可最难的那10%，最后还是得交给GPT-5.4收尾。The Decoder的点评一针见血：微软有了自己的网络安全模型，最硬的骨头还是得OpenAI来啃。微软的角色，从「OpenAI模型的分销商」，升级成了「编排者＋自家专才」。但在模型这一层，还没对OpenAI彻底「断奶」。从安全Copilot到安全行动系统同一天，微软还甩出了一个更大的东西：Project Perception。这是比MDASH更大的智能体安全系统。红队智能体负责找出可能的攻击馗，蓝队智能体调查、判断哪些才是真风险，绿队智能体动手修复和加固。三支队伍围成一个闭环，自己找、自己判、自己修。Project Perception的三队智能体：红队模拟攻击，蓝队检测分诊，绿队修复加固，8月3日进入公开预览。（图源：Microsoft）8月3日进入公开预览。但题动作，微软仍然坚持关键留在人手里。其中能看出一条正在变化的行业主线：网络安全，正在从「安全Copilot」转向「安全行动系统」。以前的系统忙着产生更多告警，新一代系统比的是，能不能持续地感知、推理，然后直接动手。有位安全探究者Moczadło讲得很透：护城河正在从「模型访问」转向「验明正身」。如今花30美元跑一次公开模型，也能复现出Mythos级别的漏洞狩猎。真正稀缺的，是那套既能说明漏洞为真、又不把开发者埋进误报堆里的系统。因此，之后拼的不再是谁能调用最强的模型，而是谁能把模型、数据、智能体、验明正身，打造成一套持续运转、还信得过的安全行动系统。系统的牌桌，才刚刚开局。参考材料：https://x.com/satyanadella/status/2081779755146482153?s=20https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/https://arxiv.org/pdf/2506.02548https://blogs.microsoft.com/blog/2026/07/27/rethinking-security-for-the-age-of-ai/编辑：元宇

很赞哦!（325）