微軟網安 AI agent 識搵漏洞兼驗證修補，平一半背後點計？

TechNews 科技新報報道，微軟推出首款自家網安模型 MAI-Cyber-1-Flash，主力處理程式碼漏洞，再放入多模型 agent 系統 MDASH。最搶眼當然係「近 96% 成功率」同「成本慳近 50%」，不過拆開成套架構就會見到，個成績來自專用模型、GPT-5.4、過百個 agent 同微軟安全資料一齊工作，唔應該當成單一模型跑分。

三層架構各自做咩

MAI-Cyber-1-Flash 係底層專用模型，負責讀大型 codebase、搵可疑位置、驗證漏洞、排優先次序同協助寫 patch。官方 model card 顯示，佢有 137B 總參數、每次啟用 5B 參數同 256K context，由 MAI-Code-1-Flash 微調而成。細型專用模型處理重複又高頻嘅安全工作，速度同成本通常較易控制，遇到複雜推理先交畀 GPT-5.4。

MDASH 就係中間嗰層調度系統。微軟話入面有超過 100 個 agent，會分工準備程式碼、掃描、驗證、分類、產生證明同檢查修補。換句話講，模型提供推理能力，MDASH 就安排每一步用邊個模型、跑咩工具、點核實結果。呢個分工幾重要，因為掃到一句「可能有漏洞」價值有限；能夠喺隔離環境重現問題，再確認 patch 冇整壞其他功能，先方便開發團隊跟進。

Project Perception 就喺再上一層，負責接駁程式碼掃描、公司整體安全資料同處理流程。Red team agents 嘗試搵入侵路徑，Blue team agents 結合身份、裝置、app 同雲端環境判斷實際風險，Green team agents 就準備修補或其他防護動作。微軟話關鍵決定仍由人控制；至於第三方安全工具支援到咩程度、邊啲動作可以直接執行，官方暫時冇完整清單，[待確認]。

圖片：Microsoft AI

「96%」測到嘅範圍其實幾窄

微軟公布，MAI-Cyber-1-Flash 配合 GPT-5.4 嘅 MDASH 喺 CyberGym 得到 95.95%，高過舊 MDASH 配置嘅 88.4%。CyberGym Level 1 會提供漏洞描述同未修補程式碼，agent 要整出能夠觸發已知漏洞嘅 PoC；舊版本會出事、修補版唔會出事，就當成功。佢幾適合量度漏洞重現能力，但冇直接證明系統面對全新 codebase 時同樣搵到 96% 漏洞，亦冇完整量度 patch 品質、誤報率同正式環境風險。

另一點要睇清楚：官方 model card 話，測試時用 MAI-Cyber-1-Flash 取代咗 MDASH 八成現有模型工作；另一份官方公布就話新模型可以處理最多九成任務，最難嗰批再交畀 GPT-5.4。即係個成績反映模型路由同 agent workflow 一齊調校後嘅效果。暫時未見外部團隊用相同配置獨立重跑 95.95% 呢個結果，領先幅度仍要當成微軟自行公布。

圖片：Microsoft AI

慳一半成本，慳咗邊一筆？

官方嘅比較基準係現有 MDASH 最佳配置，即 GPT-5.4、GPT-5.4 mini 同 GPT-5.3 Codex 組合。大量日常任務改由 5B active parameter 專用模型處理，只有少量難題先用昂貴 frontier model，整體推理成本自然有機會跌。呢個做法對長期掃描幾百萬行程式碼尤其合理，因為每次慳少少 token，計埋咁多次，成本已經可以差好遠。

不過微軟未公開每次掃描 token 數、GPU 時間、repository 大小、重試次數同實際價目，所以「慳 50%」唔等於客戶張 Azure 單會直接平一半。公司本身舊配置、程式碼語言、漏洞難度、掃描頻率同人工覆核成本都會影響總數。真係要試，可以揀一批已知漏洞同近期修補記錄做對照。，量度召回率、誤報、每個有效發現成本同由發現去到合併 patch 嘅時間。

Azure AI Foundry 有得揀模型未？

截至 2026 年 7 月 28 日，官方 model card 寫明 MAI-Cyber-1-Flash 已經喺 Azure AI Foundry 作 Private Preview，只限獲批嘅 MDASH 客戶，申請者要經額外審批。模型只准喺 MDASH 入面做防守用途，冇公開 model weights，亦未見可以任意呼叫嘅獨立 API。公開每 token 定價、支援 region、所需 Azure 或 Microsoft Security license、GPU 配額同香港區供應全部 [待確認]。

Project Perception 就定於 8 月 3 日進入 public preview，不過 public preview 唔代表任何 Azure 用戶登入就有。實際資格、租戶開通方法、收費同首批可用 agent playbook，官方仍未交代完整。用開 Azure 或 Microsoft 安全產品嘅開發團隊同 SOC，可以先登記 MDASH 興趣，但暫時唔好按一般 Foundry 模型 API 規格預先寫死整合。

開發團隊點樣開始試

較穩陣嘅做法係先用喺低風險 codebase，再攞 MDASH 搵到嘅漏洞同現有 SAST、dependency scanner 同人工 code review 對照。由 agent 產生 PoC 同候選 patch，再經 CI 測試、程式碼負責人批准同可回復部署流程，初期唔好自動合併。官方話 MDASH 提供角色權限、租戶隔離、加密、audit log 同冇網上連線嘅 sandbox，但模型本身仍可能寫出錯誤或唔完整程式碼。

微軟今次最值得留意嘅地方，係專用細模型已經可以接手大部分高頻安全工作，再用 frontier model 處理少量難題。呢種路由方式有機會令 AI code scanning 由偶爾跑一次，變成每次提交都跑得起。下一步要睇 8 月 3 日預覽實際開放咩功能，同企業喺自己 codebase 跑出嚟嘅誤報、修補成功率同總成本。

參考來源

• TechNews 科技新報 — 50% 成本實現超越業界防護效能，微軟推出全新網安 AI 模型與代理式平台 — original report
• Microsoft AI：Introducing MAI-Cyber-1-Flash inside MDASH — 交代模型分工、MDASH 架構、CyberGym 成績同成本比較基準。
• Microsoft：MAI-Cyber-1-Flash Model Card — 核實參數、context、用途限制、Private Preview 資格、Foundry 發布方式同已知限制。
• Microsoft 官方 blog：Rethinking security for the age of AI — 交代 Project Perception 三類 agent、整體安全架構同 8 月 3 日 public preview。
• CyberGym：官方 benchmark 說明及 leaderboard — 核對測試資料、成功定義同 Level 1 實際量度範圍。
• Axios：Microsoft unveils new cyber model and agentic security tools — 補充 Foundry 審批方式、模型路由同產品預覽安排。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。