Microsoft выпустила MAI-Cyber-1-Flash: 5B активных параметров и 95,95% на CyberGym

أصدرت Microsoft AI في 28 يوليو 2026 نموذج MAI-Cyber-1-Flash — أول نموذج لها مصمم خصيصًا للدفاع السيبراني. وبالاقتران مع أداة الفحص MDASH، رفع النتيجة على معيار CyberGym إلى 95,95%، متجاوزًا الرقم القياسي السابق في القطاع.

أي نوع من النماذج هو MAI-Cyber-1-Flash

MAI-Cyber-1-Flash هو محول (transformer) متناثر من نوع Mixture-of-Experts من Microsoft AI يضم 137 مليار معامل إجمالاً، منها 5 مليارات معامل نشط، مع نافذة سياق تبلغ 256 ألف رمز (توكن) وإدخال وإخراج نصي فقط. وهو ضبط دقيق (fine-tune) متخصص لنموذج MAI-Code-1-Flash — وهو نموذج وكيل خفيف الوزن للبرمجة مدمج بالفعل في GitHub Copilot وVS Code، من سلسلة MAI-Thinking-1. ولا يُقدَّم النموذج كنقطة نهاية API مستقلة: فهو يعمل فقط داخل MDASH.

• 137 مليار معامل إجمالاً، 5 مليارات نشطة، بنية sparse MoE
• سياق 256 ألف رمز، الإدخال والإخراج — نص فقط
• ضبط دقيق متخصص لـ MAI-Code-1-Flash من سلسلة MAI-Thinking-1
• 95,95% على CyberGym level 1 — مقابل 88,45% لـ MDASH في مايو 2026
• يتولى النموذج حتى 90% من مهام MDASH، بينما تذهب الـ 10% الأصعب إلى GPT-5.4

لماذا يُحدَّد الرقم القياسي بالتوجيه لا بالنموذج

النتيجة الرئيسية لا تأتي من النموذج نفسه، بل من النظام المحيط به. يدير MDASH أكثر من 100 وكيل متخصص عبر خمس مراحل: Prepare وScan وValidate وDedupe وProve. ومعيار CyberGym هو مجموعة عامة من 1507 مهمة واقعية لإعادة إنتاج الثغرات، جُمعت من 188 مشروع OSS-Fuzz؛ وفي إعداد level 1، يُعطى النظام الكود المصدري المصاب بالثغرة ووصفًا عامًا.

يعالج MAI-Cyber-1-Flash حتى 90% من جميع مهام MDASH، ويصعّد أصعب 10% إلى GPT-5.4 — وهو ما يحقق التوفير المُعلن بنسبة 50% مقارنة بالتركيبة السابقة المكوّنة من GPT-5.4 و5.4 mini و5.3 codex. أما أقصى نتيجة سابقة لـ MDASH في مايو 2026 — 88,45% — فقد تحققت باستخدام نماذج متاحة للعموم فقط، وكانت بالفعل أفضل نتيجة عامة، متفوقة على أقرب منافس بنحو خمس نقاط، حيث سجّل هذا الأخير 83,1%.

«استبدال 80% من النماذج داخل MDASH نقل الأداء من 88,4% إلى 95,95%»، بحسب ما ورد في وصف الإصدار من فريق البحث في

Microsoft.

لماذا لا يستطيع النموذج كتابة الثغرات الاستغلالية

النتائج الصفرية لـ MAI-Cyber-1-Flash على معيار ExploitGym (0/0/0 في فئات Kernel وUserspace وBrowser) ليست عيبًا، بل قرارًا اتخذته Microsoft. وبحسب الفريق، فقد دُرِّب النموذج على تنفيذ مهام دفاعية مثل ترقيع الأخطاء (patching)، وليس مهام هجومية مثل نشر أكواد خبيثة.

وفي العمل الفعلي، أثبتت هذه التركيبة جدواها. ففي مايو 2026، أسفر عمل شارك فيه MDASH عن اكتشاف 16 ثغرة CVE في حزمة الشبكة والمصادقة الخاصة بويندوز، من بينها أربع ثغرات حرجة لتنفيذ التعليمات البرمجية عن بُعد. وبأثر رجعي، استعادت الأداة 96% من أصل 28 حالة من MSRC في تعريف clfs.sys، و100% من أصل 7 حالات في tcpip.sys على مدى نافذة زمنية امتدت خمس سنوات. وقد أنشأ فريق Autonomous Code Security أداة MDASH نفسها، وهو الفريق الذي يضم أعضاء من Team Atlanta — الفائز في مسابقة DARPA AI Cyber Challenge.

ما الذي يعنيه هذا

تُظهر Microsoft أن الأرقام القياسية في اكتشاف الثغرات لا يحققها نموذج واحد ضخم، بل تنسيق ذكي لوكلاء متخصصين رخيصي التكلفة: فنموذج بـ 5 مليارات معامل نشط يتحمل 90% من العمل ويخفض التكلفة إلى النصف، بينما لا يتدخل النموذج المتطور إلا في الحالات الأكثر تعقيدًا.

الأسئلة الشائعة

ما هو MDASH؟

MDASH هو أداة وكيلة متعددة النماذج من Microsoft لاكتشاف الثغرات. يدير أكثر من 100 وكيل عبر خمس مراحل (Prepare وScan وValidate وDedupe وProve)، ويحقق 95,95% على معيار CyberGym.

لماذا يسجل MAI-Cyber-1-Flash نتائج صفرية على ExploitGym؟

هذا مقصود. وبحسب Microsoft، فقد دُرِّب النموذج فقط على المهام الدفاعية — مثل ترقيع الأخطاء — ولم يُدرَّب على كتابة الثغرات الاستغلالية أو الأكواد الخبيثة.

ما مدى انخفاض تكلفة التركيبة الجديدة؟

تُعلن Microsoft عن توفير يبلغ نحو 50% مقارنة بالتركيبة السابقة المكوّنة من GPT-5.4 و5.4 mini و5.3 codex — نظرًا لأن MAI-Cyber-1-Flash يتولى حتى 90% من المهام، تاركًا فقط الـ 10% الصعبة لـ GPT-5.4.