حقق نموذج MAI-Cyber-1-Flash الجديد من Microsoft درجة 96% في اختبار CyberGym، متفوقاً على نماذج أمنية مماثلة من Anthropic وGoogle وOpenAI. وتقول Microsoft إن هذا النهج يمكن أن يقلل تكاليف محركات الأمن في المؤسسات بنحو النصف مع الاستمرار في اكتشاف معظم العيوب على مستوى الكود.
كيف يعمل النموذج
يُعد MAI-Cyber-1-Flash نموذجاً مدمجاً وعالي الإنتاجية، حيث يتولى وحده حوالي 90% من المهام الأمنية الروتينية. وتقوم Microsoft بتوجيه الحالات المتبقية والأكثر صعوبة إلى نموذج أكبر وأغلى ثمناً — وهو GPT-5.4 من OpenAI — من خلال نظام "توجيه ذكي" أو نظام تسلسل النماذج (model-cascading). يقوم النموذج الرخيص بمعظم العمل، بينما لا يتم استدعاء النموذج الباهظ إلا لمواجهة الحالات الحدية (edge-case). وتزعم Microsoft أن هذا التقسيم يقلل الإنفاق الإجمالي بنسبة 50%.
لماذا تعتبر درجة CyberGym مهمة
يقيس CyberGym قدرة النموذج على اكتشاف الثغرات الأمنية في الكود المصدري. وتعني نسبة النجاح البالغة 96% أن النموذج يحدد بشكل صحيح جميع العيوب المحقونة تقريباً في مجموعة الاختبار. وتطرح Microsoft هذه الدقة، مقترنة بالتوجيه الموفر للتكاليف، كمعيار جديد لخطوط معالجة أمن الكود واسعة النطاق.
الرهانات على مستوى المؤسسات
تعالج Microsoft ما يقرب من 100 تريليون إشارة أمنية كل يوم. ومن خلال تنسيق مزيج من النماذج المتخصصة، تهدف الشركة إلى العمل كـ "منسق أمني" مركزي لعملائها في Azure، حيث تقدم خدمة واحدة يمكن توسيع نطاقها دون انفجار الميزانيات. وإذا صحت ادعاءات خفض التكاليف، فقد تتمكن المؤسسات من تحويل جزء كبير من إنفاقها الأمني إلى مطاردة التهديدات أو تقارير الامتثال.
نقاط مضادة يجب مراعاتها
يحذر النقاد من أن نتائج الاختبارات لا تترجم دائماً إلى بيئات العالم الحقيقي، حيث تختلف قواعد الكود واللغات وناقلات التهديد بشكل كبير. كما أن الاعتماد على نموذج خارجي (GPT-5.4) للحالات الأكثر صعوبة يثير مخاوف تتعلق بمكان إقامة البيانات (data-residency)، وزمن الاستجابة (latency)، والارتباط الحصري بالمورد (vendor-lock-in). علاوة على ذلك، يفترض رقم التوفير البالغ 50% توزيعاً لضغط العمل يتوافق مع حركة المرور الداخلية لشركة Microsoft؛ وقد تشهد بعض الشركات تأثيراً أقل من ذلك.
ما يجب مراقبته لاحقاً
تقوم Microsoft بطرح النموذج عبر خدمات Azure الأمنية، لذا ستكون معدلات الاعتماد بين عملاء المؤسسات هي الاختبار الملموس الأول. كما سيراقب المراقبون توسع نهج التسلسل ليشمل القطاعات الخاضعة للتنظيم مثل الرعاية الصحية والتمويل، حيث يمكن لقواعد خصوصية البيانات أن تعقد استخدام نماذج الطرف الثالث.
الخلاصة: يظهر نموذج MAI-Cyber-1-Flash أن استراتيجية النماذج الهجينة يمكن أن توفر قدرات كشف تقترب من المستويات العليا مع الوعد بخفض التكاليف بشكل كبير — بشرط أن يصمد الأداء خارج المختبر وأن يظل العبء الإضافي لعملية التوجيه منخفضاً.