Microsoft hat MAI-Cyber-1-Flash vorgestellt – das erste KI-Modell des Unternehmens, das speziell für Aufgaben der Cybersicherheit entwickelt wurde. Das Modell arbeitet ausschließlich innerhalb von MDASH, einem multimodalen System zur Identifizierung und Beseitigung von Schwachstellen. Laut Ankündigung von Microsoft erzielte die MDASH-Konfiguration mit MAI-Cyber-1-Flash und GPT-5.4 95,95 % im CyberGym-Benchmark, während die Betriebskosten des Systems im Vergleich zur vorherigen Modellkombination um 50 % sanken. Der Zugriff ist auf freigegebene MDASH-Kunden über eine geschlossene Vorabversion in Azure AI Foundry beschränkt.
Architektur und Routing-Prinzip
Laut der Modellkarte ist MAI-Cyber-1-Flash ein sparsamer Transformer auf Basis einer Mixture-of-Experts-(MoE)-Architektur mit 137 Milliarden Parametern, von denen jeweils nur 5 Milliarden gleichzeitig aktiv sind. Das Kontextfenster umfasst 256.000 Token. Das Modell ist eine spezialisierte Weiterentwicklung von MAI-Code-1-Flash für Cybersicherheitsaufgaben; dieses wiederum wurde aus einem Zwischen-Checkpoint von MAI-Thinking-1 abgeleitet.
Die zentrale technische Idee ist das Routing von Aufgaben. MAI-Cyber-1-Flash ist dafür vorgesehen, bis zu 90 % der MDASH-Aufgaben zu verarbeiten, während GPT-5.4 nur für die schwierigsten 10 % zugeschaltet wird. Laut Modellkarte hat die neue Konfiguration 80 % der zuvor in dem System eingesetzten Modelle ersetzt. Wie Tae-Soo Kim, Vice President für Agentensicherheit bei Microsoft, in seiner Beschreibung von MDASH im Juni anmerkte: „Das Modell ist einer der Inputs, das System darum herum ist das Produkt.“
Was Benchmarks tatsächlich messen
Die genannten 95,95 % sind das Ergebnis des MDASH-Systems in der Kombination aus MAI-Cyber-1-Flash und GPT-5.4 – und kein eigenständiger Wert für das neue Modell. Das ist ein grundlegender Unterschied, der leicht übersehen werden kann.
CyberGym Level 1 ist ein Test zur Reproduktion bekannter Schwachstellen: Der Agent erhält eine Beschreibung der Schwachstelle und den ungepatchten Quellcode; anschließend wird geprüft, ob er einen funktionsfähigen Proof-of-Concept erzeugen kann. Der Benchmark misst nicht die Fähigkeit, unbekannte Schwachstellen zu entdecken, und prüft auch nicht die Korrektheit der generierten Patches.
Mehrere Punkte erfordern besondere Vorsicht bei der Interpretation der Ergebnisse:
- Fehlender Eintrag auf dem öffentlichen Leaderboard. Mit Stand 28. Juli 2026 zeigte die öffentliche CyberGym-Tabelle weiterhin das frühere Ergebnis von Microsoft – 88,4 % vom 12. Mai. Es wird nicht angegeben, ob die neue Bewertung überhaupt zur Veröffentlichung eingereicht wurde.
- Nichtvergleichbarkeit mit dem Juni-Ergebnis. Zuvor hatte Microsoft 96,55 % für MDASH gemeldet; dieses Ergebnis wertete jedoch jeden Fehler, einschließlich nicht im Ziel liegender Schwachstellen, als Erfolg. Aus den Unterlagen vom Juli geht nicht hervor, ob für die 95,95 % dieselbe Bewertungslogik galt, weshalb der Vergleich der beiden Zahlen als Entwicklung unzulässig ist.
- Intransparente Kosteneinsparung. Die angegebene Reduktion der Kosten um 50 % wird relativ zur bisherigen besten MDASH-Konfiguration (GPT-5.4, GPT-5.4 mini, GPT-5.3 Codex) definiert. Microsoft legte jedoch weder das Token-Volumen, die Anzahl der Aufrufe, Latenzen, die Aufgabenverteilung noch den Ressourcenverbrauch offen – diese Zahl lässt sich daher weder reproduzieren noch sinnvoll normalisieren.
Ergebnisse jenseits von CyberGym
Die Modellkarte enthält Ergebnisse von MAI-Cyber-1-Flash unter einer vereinfachten Terminal-Shell (ohne das vollständige MDASH-System), die ein zurückhaltenderes Bild zeichnen:
- CVEBench – 0,314
- CyberSecEval4 (Threat Analysis) – 0,553
- Test zur Malware-Analyse – 0,33
- CRSBench (POV=1200) – 0,651
- ExploitGym (Kernel, Userspace, Browser) – null in allen Kategorien
ExploitGym verlangt vom Agenten, bekannte Schwachstellen und absturzauslösende Eingabedaten in funktionsfähige Exploits zur Codeausführung zu verwandeln. Die Nullwerte in allen Kategorien zeigen, dass das Modell derzeit nicht in der Lage ist, Exploit-Entwicklungsaufgaben zu lösen – eine wesentliche Einschränkung, die bei der Bewertung des allgemeinen Reifegrads der Technologie berücksichtigt werden sollte.
Microsoft gab an, dass sämtliche Tests in einer netzwerkisolierten Umgebung ohne Zugriff auf Produktivsysteme, das Internet oder externe Dienste durchgeführt wurden. Die Modellkarte enthält zudem einen Hinweis, dass generierter Text und Code ungenau oder unvollständig sein können und vor dem Einsatz in kritischen Szenarien überprüft werden müssen.
Stellenwert in Microsofts Strategie: Project Perception
Vulnerability Management mit MAI-Cyber-1-Flash innerhalb von MDASH ist das erste bekanntgegebene Einsatzszenario für Project Perception, ein umfassenderes System zur Koordination defensiver Security-Agenten. Laut Ankündigung von Microsoft ist eine öffentliche Vorabversion von Project Perception für den 3. August geplant, gefolgt von einer Ausweitung des Modells auf weitere Security-Workflows jenseits des Vulnerability Managements.
Praktische Schlussfolgerungen
Für Organisationen, die MDASH bereits einsetzen, ist die neue Konfiguration potenziell aufgrund geringerer Kosten bei vergleichbarer Qualität interessant – doch bis unabhängige Bestätigungen vorliegen, bleiben die genannten Zahlen Herstellerangaben. Für alle anderen Marktteilnehmer ist MAI-Cyber-1-Flash derzeit nicht verfügbar: Das Modell wird weder als eigenständiges Produkt noch über eine öffentliche API angeboten.
Die zentrale Erkenntnis dieses Releases sind weniger die konkreten Prozentwerte als der architektonische Ansatz: Microsoft setzt auf Routing zwischen einem spezialisierten, kompakteren Modell und einem leistungsfähigen universellen Modell, um das Verhältnis von Kosten und Qualität auf Systemebene zu optimieren. Gleichzeitig unterstreichen die Nullwerte bei ExploitGym und die moderaten Ergebnisse in anderen Benchmarks ohne MDASH-Shell, dass der eigentliche Mehrwert durch das System entsteht, nicht durch das Modell allein. Organisationen, die KI-Werkzeuge für das Vulnerability Management evaluieren, sollten von Anbietern nicht nur prominente Benchmark-Werte einfordern, sondern auch die Bewertungsmethodik, Testbedingungen und Resultate in Aufgaben, die realen Exploitation-Szenarien möglichst nahekommen.
