2026.07.28 AI

MAI-Cyber-1-Flashとは？Microsoft初のセキュリティ特化モデルとMDASHの実像を解説

Microsoftは2026年7月27日、サイバーセキュリティに特化した自社モデル「MAI-Cyber-1-Flash」を発表しました。単体で売られるモデルではなく、脆弱性の検出から修復までを担うマルチエージェント基盤「MDASH」に組み込まれた部品という位置づけになります。公表されたCyberGymのスコアは96%で、AnthropicのMythosを12ポイント上回るという説明。ただしこの数字はモデル単体の成績ではありません。この記事では、二段構えのモデル配分がもたらすコスト約50%減の内訳、公表値をどこまで自社環境の期待値にできるか、そしてProject Perceptionの提供時期まで、実装計画に直結する条件を整理します。

まとめ：MAI-Cyber-1-Flashの要点と、導入判断の分かれ目

MAI-Cyber-1-Flashは、Microsoft AIが自社開発したMAI-Thinking-1系列から派生した小型のセキュリティモデルです。コードを読む処理に寄せた設計で、大規模なコードベースから脆弱性を見つける用途に絞られています。単体で提供されるのではなく、100体を超えるエージェントを束ねたMDASHという脆弱性検出・修復ハーネスの内部で動きます。

公表されたCyberGymの数値は、Microsoft公式ニュースで95.95%、公式ブログでは96%と表記されました。比較対象はMythosの83.2%、GeminiとGPT系はいずれも85.6%以下。差分は約12ポイントでした。ただしこの値はMAI-Cyber-1-FlashとGPT-5.4を組み合わせたMDASH全体の成績であり、モデル単独の実力として読むと見積もりが崩れます。第三者機関による再現検証は現時点で公開されていません。

コスト面の主張は明快で、従来のMDASH最良構成（GPT-5.4＋5.4 mini＋5.3 codex）と比べて約50%減。仕組みは単純です。全タスクの約9割をFlashが処理し、残る1割の難問だけをGPT-5.4へ回す。高価なフロンティアモデルを呼ぶ回数そのものを減らす設計になっています。

判断としては、OSS依存の多い自社プロダクトで脆弱性の再現と修正案の初稿づくりに用途を絞れるなら、Project Perceptionのパブリックプレビュー（2026年8月3日開始）で試す価値があります。第三者検証済みの性能根拠を監査で求められる、SOCが数名規模で確認ゲートを常設できない、モデル単体の性能に期待している、攻撃側の検証に使いたい。この4条件のいずれかに当たるなら、現時点では見送る判断が妥当です。

MAI-Cyber-1-Flashの正体｜MDASHに内蔵されたコード特化の防御モデル

製品の輪郭は、単体モデルではなくハーネスの構成部品として捉えると理解が早くなります。

Microsoft初のサイバーセキュリティ専用モデルの位置づけ

MAI-Cyber-1-Flashは、Microsoftがサイバーセキュリティ用途のために作った初めてのモデルです。公式の説明では「MAI-Thinking-1系列から派生した、コード比重の高いコンパクトなセキュリティモデル」とされています。パラメータ数や学習データの構成は公表されていません。名称のFlashが示すとおり、推論の速さと単価の低さを優先した小型側の設計です。

狙いは汎用の賢さではなく、狭い用途での費用対効果にあります。大規模なコードベースを何度も読み返し、脆弱性の候補を挙げ、再現手順を試す。この作業はトークン消費が膨らみやすく、フロンティアモデルを全工程に使うと費用が跳ね上がります。安価なモデルで大半を処理し、行き詰まった分だけ上位モデルへ渡す。MAI-Cyber-1-Flashはその「大半を処理する側」として置かれた駒だと考えてください。

安全性については、社内のAI Red Teamによる審査、自動および専門家主導の敵対的テスト、外部機関による独立した評価を通したと説明されています。評価機関名や項目の詳細は非公開です。

MDASHとの関係｜100体超のエージェントを束ねる修復ハーネス

MDASHは、大規模コードベース全体にわたって脆弱性を検出し修復するマルチエージェントのハーネスです。Microsoftの説明では、業界のセキュリティ専門家が調整し、複数の主要モデルを使う100体以上のエージェントで構成されています。役割は発見・検証・修復の3段階に分かれ、単一のモデルに全工程を任せる構造ではありません。

この構成が意味するのは、性能の主語がモデルではなくシステムだという点です。どのエージェントにどのモデルを割り当てるか、何回リトライするか、1タスクにどれだけの計算予算を配るか。これらの設計変数がスコアを大きく動かします。公表資料はエージェントの内訳やルーティングの判断ロジックまでは明かしていないため、外部から同じ条件を再現することはできません。

実行環境の要件はエンタープライズ向けに整えられており、ロールベースのアクセス制御、テナント分離、暗号化、監査可能性、インターネット接続を持たないサンドボックス実行が挙げられています。自社コードを預ける前提なら、この分離設計の粒度は契約前に確認してください。

9割をFlashが処理し難問だけGPT-5.4へ渡す二段構えの設計

MDASHの費用構造を決めているのは、モデルの振り分けルールです。Microsoftの説明によれば、MAI-Cyber-1-Flashは全タスクの最大90%を効率的に処理するよう設計され、例外的に難しい残り10%についてMDASHがより大きく高価なモデル、具体的にはOpenAIのGPT-5.4を呼び出します。

この配分が、従来のMDASH最良構成との約50%のコスト差を生みます。比較元はGPT-5.4とGPT-5.4 mini、GPT-5.3 codexを組み合わせた構成。すべての工程をOpenAI系で回していた構成の下段を、自社の安価なモデルで置き換えた形になります。防御特化モデルの系譜としては、GPT-5.4-Cyberの防御特化設計が同じ問題意識の先行例で、そこで培われた上位モデルが今回はエスカレーション先として残りました。

裏を返せば、Microsoftは最も難しいケースで依然としてOpenAIのモデルに依存しています。自社モデルへの完全な置き換えではなく、費用のかかる部分だけを削った構成。この点は、ベンダーロックインの分散を目的に導入を検討する場合、前提として押さえておく必要があります。

CyberGym 96%の中身｜何を測り、誰と比べた数字なのか

数値を比べる前に、ベンチマークが何を課題にしているかを押さえます。

CyberGymの課題設計｜大規模コードベースの脆弱性を探す

CyberGymは、大規模なコードベースからソフトウェア脆弱性を特定するAIシステムの推論能力を評価するベンチマークです。エージェントには脆弱性の情報とコードベースが与えられ、実際に問題を再現できるかどうかで判定されます。単なる知識問題ではなく、コードを読み、仮説を立て、実行して確かめる多段の作業が求められる設計です。

母集団は継続的ファジングで見つかった実在の脆弱性から構成されており、ファジングによる脆弱性の自動検出と地続きの課題群だと捉えると輪郭がつかめます。人間の専門家でも手間のかかる領域を機械にどこまで任せられるかを測る指標であり、そこで高いスコアが出ること自体は意味があります。

一方で、判定ルールの細部が採用判断を左右します。1つの課題に何回試行してよいのか、いずれかが成功すれば解決とみなすのか。試行回数と計算予算の条件が変われば、同じシステムでもスコアは大きく動きます。Microsoftはこの条件を公表資料で明示していません。

比較対象と差分｜Mythos 83.2%・GPT・Geminiとの位置関係

公式ニュースが示した比較は、MDASH（MAI-Cyber-1-Flash＋GPT-5.4）が95.95%、Mythosが83.2%、GeminiおよびGPT系はいずれも85.6%以下というものです。公式ブログでは丸めて96%、Mythos比で12ポイント上回ると表現されました。Microsoft AIのCEOであるMustafa Suleymanは、Gemini、GPT-5.5 Cyber、GPT-5.6 Sol、Mythos 5を上回ると述べています。

比較対象の素性を知っておくと、差分の読み方が変わります。Mythosは脆弱性発見に強みを持つClaude Mythos Previewの系譜にあたるモデルで、同じ土俵での競争が続いてきた相手です。同種の防御特化モデルとしては、Sakana AIが2026年7月に公開したFugu-Cyberの性能と料金・制約もCyberGymの値を公表しており、ベンダーごとに測定条件が異なる状況が生まれています。

注意したいのは、横並びの数値が同じ測定条件で得られたとは限らない点です。単体モデルの成績か、エージェント構成込みの成績か。条件が揃わないまま並べた棒グラフは、順位の印象だけを残します。

コスト約50%減の内訳｜従来のMDASH最良構成と何を比べたか

コスト削減率の分母は「今日時点のMDASHにおける最良の構成」であり、他社製品との比較ではありません。具体的にはGPT-5.4とGPT-5.4 mini、GPT-5.3 codexの3モデル構成が比較元です。同じMDASHという枠のなかで、下位工程を担うモデルを差し替えた前後の比較だと理解してください。

Satya Nadellaはこの点を「主要モデルの50%のコストでフロンティア級のセキュリティを提供する」と表現しました。ただし、MDASH自体やProject Perceptionの価格表は現時点で公開されていません。削減率だけが示され、絶対額が示されていない状態です。自社の年間コードスキャン量に当てはめた試算は、価格公表を待つ必要があります。

公表された96%の読み方｜モデル単体とハーネス全体を切り分ける

公表値をそのまま自社環境の期待値にすると、見積もりが崩れます。切り分けるべき軸を3つ挙げます。

96%はモデル単体ではなくMDASHとGPT-5.4の組み合わせ値

最も誤読されやすいのがこの点です。公式の表記は「MDASH: MAI-Cyber-1-Flash + GPT-5.4」であり、括弧の中身は2モデルの協調構成。加えて、その裏では100体超のエージェントが発見・検証・修復を分担しています。MAI-Cyber-1-Flash単体をAPIで呼んで96%が出るという意味ではありません。

実務に効く場面は明確です。自社のCI基盤に組み込む際、MDASHごと使うのかモデルだけを使うのかで期待値が変わります。モデル単体の公開ベンチマークは示されておらず、単体利用を前提にした設計は根拠を欠きます。

第三者による再現検証は未公開｜数値の出どころは自社の発表のみ

今回のスコアはすべてMicrosoft自身の測定によるもので、外部研究機関による追試の報告は出ていません。安全性については第三者評価を受けたと説明されていますが、性能ベンチマークの再現検証とは別の話です。報道各社も、性能主張はMicrosoftの発表に基づくもので独立した検証の裏付けはないと注記しています。

セキュリティ特化モデルの発表では各ベンダーが自社測定値を出すのが通例です。公表値は「実現可能性の上限を示す参考値」として扱い、判断材料には別の根拠を用意してください。

CyberGymの母集団と自社コードベースの前提差を織り込む

ベンチマークの母集団は公開されたOSSプロジェクトが中心です。自社の独自コードとは、コメントの粒度、テストの整備状況、依存関係の複雑さ、そして学習データに含まれている可能性のいずれもが異なります。既知の脆弱性を再現する課題と、未知の欠陥を新規に見つける作業も同じではありません。

確認手段は1つです。自社リポジトリから過去に修正済みの脆弱性を含むコミットを選び、パッチ適用前の状態で検出できるかを測る。この社内ベンチマークがあれば、公表値との差を数字で語れます。

Project Perceptionとの関係｜3種のエージェントと提供時期

モデルとハーネスの上に、顧客が触れる製品としてProject Perceptionが置かれます。

赤・青・緑の3種のエージェント｜攻撃想定から修復までの役割分担

Project Perceptionは、セキュリティ業務をAIエージェントのチームで回すためのプラットフォームです。公式ブログの説明では、レッドチームのエージェントが悪用される前に侵害経路を想定し、ブルーチームのエージェントが脅威を調査して文脈から実際のリスク度合いを判断し、グリーンチームのエージェントが是正措置を実行して防御を強化します。

MDASHはこのプラットフォームのなかで、ソフトウェア脆弱性を担当するマルチモデルのエージェント群という位置づけ。MAI-Cyber-1-Flashはさらにその内側の部品にあたります。3層の入れ子構造を頭に入れておくと、どの層の話をしているのかを見失わずに済みます。

シグナル源｜Defender・Entra ID・Sentinelの実データを使う

判断の材料となるシグナルは、Microsoftのセキュリティ製品群から供給されます。公式ブログが挙げているのはDefender for Endpoint、Entra ID、Sentinel Resource Managerなど。既存のMicrosoftセキュリティ製品と深く統合されている点が、単体のコード解析ツールとの違いです。

この設計では、導入前提が1つ増える点に注意が必要です。シグナル源となる製品を導入していない環境では、エージェントが参照できる文脈が痩せます。Microsoft 365 E5やDefenderの導入状況が薄い組織では、脆弱性検出の部分だけを切り出して評価する形になり、公表されている効果とは前提が変わってきます。

提供時期｜2026年8月3日のパブリックプレビューから触れる

Project Perceptionのパブリックプレビューは2026年8月3日に開始されると公式ブログが明記しました。一方でMAI-Cyber-1-Flash自体については、Suleymanが「本番環境へ即座に投入する」と述べており、Microsoft社内の運用では先行して稼働している状態です。顧客が自分の環境で触れるのはプレビュー開始後になります。

価格、リージョン、日本語環境での対応範囲は未公表です。エンジニアのDave Westonは、問題の発見から検出、コード修正までの手作業が数分に短縮されると説明していますが、この効果が自社コードベースで再現するかはプレビューで測るしかありません。

MAI-Cyber-1-Flashの採用判断｜見合う場面と見送る4条件

ここまでの条件を、採用するかどうかの分岐に落とします。

採用が見合う場面｜OSS依存の多い自社プロダクトの脆弱性調査

効果が出やすいのは、OSSライブラリへの依存が多く、コードベースが大きく、セキュリティ人員が足りていないプロダクト開発です。CyberGymの母集団と前提が近いため、公表値からの落差が比較的小さく収まります。用途は脆弱性の再現と修正案の初稿づくりに絞り、最終判断は人が持つ形が現実的です。

Microsoftのセキュリティ製品をすでに広く導入している環境は、シグナル源が揃っている分だけ効果が出やすい条件です。逆にそこが薄い組織では、まず既存環境の可視化から手をつける順序になります。自社の体制に合わせてこうした導入順序を設計する工程は、AIセキュリティ対策の開発支援のような外部の設計支援と組み合わせて進めると、検証にかける期間を短く抑えられます。

見送るべき4条件｜監査要件・小規模SOC・攻撃検証・単体期待

次のいずれかに当たる場合、2026年7月28日時点では採用を見送る判断を推します。

  • 監査や取引先審査で第三者検証済みの性能根拠を求められる：外部機関による追試が存在せず、公表値は自己申告のみ
  • SOCが数名規模で人間の確認ゲートを常設できない：誤検知の処理コストが自動化の利得を上回る
  • 攻撃側の検証に使いたい：レッドチームのエージェントは防御目的の枠内に置かれた機能
  • MAI-Cyber-1-Flash単体の性能に期待している：公表値はMDASHとGPT-5.4の組み合わせ値であり単体の根拠がない

優先順位をつけるなら、実務でまず引っかかるのは4つ目です。単体モデルとしてAPIから呼ぶ前提で稟議を通すと、期待した性能が出ずに検証がやり直しになります。技術検証に着手する前に、MDASHごと導入するのか部品として使うのかを工程表に明示してください。

組み込み前に整える3点｜確認ゲート・監査ログ・社内知識の接続

採用する場合、生のエージェント出力を直接チケット化する設計は避けます。確認ゲートを置かずに流すと誤検知が増え、本番環境固有の事情を汲まない指摘がキューに溜まります。運用が潰れる原因はモデルの精度ではなく、この後処理の設計です。

組み込みで押さえる要素は3つあります。第1に、人間のレビューを形式にせず、却下する権限と根拠を明示した実効性のあるゲートにすること。第2に、エージェントの実行と推論の完全な監査ログを残し、なぜその結論に至ったかを後から追えるようにすること。ルーティングが非公開である以上、自社側でログを揃える価値は高くなります。第3に、検証専用のサブ環境と自社固有のセキュリティ知識を組み合わせ、汎用の指摘を自社の文脈に落とす層を挟むこと。この3層を先に設計してからAPIを繋いでください。

よくある質問

MAI-Cyber-1-Flashの提供条件と評価の扱いについて、問い合わせの多い5点を整理します。

MAI-Cyber-1-Flashは単体のAPIとして使えますか？

2026年7月28日時点で、単体APIとしての提供は公表されていません。位置づけはMDASHという脆弱性検出・修復ハーネスの内部で動くモデルであり、顧客が触れる入口はProject Perceptionです。Azure AI FoundryやGitHub Copilotなど他の経路での提供可否についても、公式発表には記載がありません。単体利用を前提にした設計は、提供形態の続報を待ってから固めてください。

CyberGymの96%は自社コードでの検出率として期待できますか？

期待できません。理由は3つあります。第1に、96%はMAI-Cyber-1-FlashとGPT-5.4を組み合わせたMDASH全体の値であってモデル単体の値ではないこと。第2に、外部研究機関による再現検証が公開されていないこと。第3に、CyberGymの母集団が公開OSSプロジェクト中心で、社内の独自コードとは前提が異なること。自社のリポジトリから修正済み脆弱性を抜き出して測る社内ベンチマークが、唯一の確認手段になります。

コスト50%減というのは何と比べた数字ですか？

他社製品との比較ではなく、従来のMDASHにおける最良構成との比較です。比較元はGPT-5.4とGPT-5.4 mini、GPT-5.3 codexを組み合わせた構成。同じMDASHの枠内で下位工程のモデルを自社製に差し替えた前後の比較になります。MDASHやProject Perceptionの価格表は未公開のため、絶対額での試算は現時点ではできません。

Project Perceptionはいつから試せますか？

公式ブログによれば、パブリックプレビューの開始は2026年8月3日です。MAI-Cyber-1-Flash自体はMicrosoft社内で先行して本番投入されていると説明されていますが、顧客が自分の環境で評価できるのはプレビュー開始以降になります。価格、対象リージョン、日本語での脅威レポート処理の精度はいずれも未公表で、検証計画にはこれらの不確定要素を織り込んでおく必要があります。

Microsoftのセキュリティ製品を導入していなくても効果はありますか？

効果は限定されます。Project PerceptionはDefender for EndpointやEntra ID、Sentinel Resource Managerなどのシグナルを前提に設計されており、これらが揃っていない環境ではエージェントが参照できる文脈が痩せます。コード脆弱性の検出部分だけを切り出して評価する形は取れますが、公表されている効果とは前提が変わる点を踏まえて検証範囲を決めてください。

関連記事

資料請求

RELATED POSTS 関連記事

一覧へ戻る