Microsoft AI zaprezentował MAI-Cyber-1-Flash, pierwszy model specjalnie stworzony do obrony cybernetycznej. Transformer z mechanizmem self-attention i rzadkimi warstwami Mixture-of-Experts zawiera 137 miliardów parametrów całkowitych, z czego 5 miliardów to parametry aktywne, i obsługuje kontekst o długości 256 tysięcy tokenów. Model nie funkcjonuje samodzielnie, lecz pracuje wewnątrz MDASH - wielomodelowego skanera agentalnego Microsoftu. Jest to cybersecurity-specializowana wersja MAI-Code-1-Flash, modelu już zintegrowanego z GitHub Copilot i VS Code.
Wyniku na benchmarku CyberGym - zestawie 1507 rzeczywistych zadań reprodukcji luk z 188 projektów OSS-Fuzz - imponuje skalą. MDASH z MAI-Cyber-1-Flash i GPT-5.4 osiąga 95,95%, co Microsoft określa jako około 12 punktów przewagi nad Mythosem od Anthropica. W ujawnionym zestawieniu konkurencyjnych systemów pozostałe narzędzia plasują się między 83,2% a 85,6%. Dla perspektywy: gdy Microsoft pierwszy raz zaprezentował MDASH w maju 2026 roku, system uzyskiwał 88,45% na CyberGym wyłącznie przy użyciu ogólnodostępnych modeli. To już było najwyższym wynikiem na publicznym rankingu, pięć punktów ponad następnym wpisem. Wymiana 80% istniejących modeli w MDASH sprawiła, że harness przeskoczył z 88,4% do 95,95%.
Postęp pokazuje, jak specjalizacja modelów dla konkretnych zadań i integracja ich w systemach wielomodelowych przekształca praktyczne zastosowania. Cyberbezpieczeństwo to obszar, gdzie nawet kilkaprocentowy wzrost dokładności ma realne znaczenie - oznacza szybsze wykrywanie luk i lepszą obronę rzeczywistych systemów. Jednak model działa tylko w ekosystemie Microsoftu, co ogranicza jego dostępność dla pozostałej branży.