Нова модель Microsoft MAI-Cyber-1-Flash продемонструвала результат 96% у бенчмарку CyberGym, випередивши аналогічні моделі безпеки від Anthropic, Google та OpenAI. Microsoft заявляє, що такий підхід може скоротити витрати підприємств на системи безпеки приблизно вдвічі, водночас виявляючи більшість недоліків на рівні коду.

Як працює модель

MAI-Cyber-1-Flash — це компактна модель з високою пропускною здатністю, яка самостійно виконує близько 90% рутинних завдань із безпеки. Microsoft спрямовує решту складніших випадків до більшої та дорожчої моделі — GPT-5.4 від OpenAI — за допомогою системи «розумної маршрутизації» або каскадного використання моделей. Дешева модель виконує основний обсяг роботи; дорога модель залучається лише для вирішення нестандартних завдань. Microsoft стверджує, що такий розподіл скорочує загальні витрати на 50%.

Чому результат CyberGym має значення

CyberGym оцінює здатність моделі виявляти вразливості безпеки в сирцевому коді. Показник успішності 96% означає, що модель правильно ідентифікує майже всі внесені дефекти в тестовому наборі. Microsoft позиціонує таку точність у поєднанні з економічною маршрутизацією як новий стандарт для масштабних конвеєрів безпеки коду.

Ставки для підприємств

Microsoft щодня обробляє приблизно 100 трильйонів сигналів безпеки. Організовуючи роботу суміші спеціалізованих моделей, компанія прагне виступати в ролі центрального «оркестратора безпеки» для своїх клієнтів Azure, пропонуючи єдиний сервіс, який може масштабуватися без різкого зростання бюджетів. Якщо твердження про скорочення витрат підтвердиться, організації зможуть переспрямувати значну частину своїх витрат на безпеку на пошук загроз (threat-hunting) або звітність про відповідність нормативним вимогам (compliance reporting).

Контраргументи, які варто врахувати

Критики застерігають, що результати бенчмарків не завжди переносяться на реальні умови, де бази коду, мови програмування та вектори загроз суттєво різняться. Використання зовнішньої моделі (GPT-5.4) для найскладніших випадків також викликає занепокоєння щодо локалізації даних, затримок (latency) та прив'язки до постачальника (vendor lock-in). Крім того, показник економії у 50% передбачає такий розподіл робочого навантаження, який відповідає внутрішньому трафіку Microsoft; у деяких фірм ефект може бути меншим.

За чим стежити далі

Microsoft впроваджує модель через сервіси безпеки Azure, тому рівень її використання серед корпоративних клієнтів стане першим конкретним тестом. Спостерігачі також чекатимуть на розширення каскадного підходу на регульовані сектори, такі як охорона здоров'я та фінанси, де правила конфіденційності даних можуть ускладнити використання сторонніх моделей.

Висновок: MAI-Cyber-1-Flash демонструє, що стратегія гібридних моделей може забезпечити рівень виявлення, близький до топового, обіцяючи при цьому значне зниження витрат — за умови, що продуктивність збережеться поза межами лабораторії, а витрати на маршрутизацію залишатимуться низькими.