Microsoft lance MAI-Cyber-1-Flash : 5 Md de paramètres actifs et 95,95 % sur CyberGym

Microsoft AI a lancé le 28 juillet 2026 MAI-Cyber-1-Flash, son premier modèle conçu spécifiquement pour la cyberdéfense. Couplé au harness de scan MDASH, il porte le score sur le benchmark CyberGym à 95,95 %, battant le précédent record du secteur.

Qu'est-ce que MAI-Cyber-1-Flash ?

MAI-Cyber-1-Flash est un transformeur Mixture-of-Experts épars de Microsoft AI, avec 137 Md de paramètres au total, dont 5 Md actifs, une fenêtre de contexte de 256 000 tokens et des entrées et sorties exclusivement textuelles. Il s'agit d'un fine-tuning spécialisé de MAI-Code-1-Flash, un modèle agentique léger dédié au code, déjà intégré à GitHub Copilot et à VS Code, issu de la gamme MAI-Thinking-1. Le modèle n'est pas proposé via un endpoint API distinct : il ne fonctionne qu'à l'intérieur de MDASH.

• 137 Md de paramètres au total, 5 Md actifs, architecture sparse MoE
• Contexte de 256 000 tokens, entrée et sortie en texte uniquement
• Fine-tuning spécialisé de MAI-Code-1-Flash, de la gamme MAI-Thinking-1
• 95,95 % sur CyberGym level 1, contre 88,45 % pour MDASH en mai 2026
• Le modèle prend en charge jusqu'à 90 % des tâches de MDASH, les 10 % les plus lourdes étant renvoyées vers GPT-5.4

Pourquoi le record vient du routage, pas du modèle

Le résultat principal tient moins au modèle lui-même qu'au système qui l'entoure. MDASH pilote plus de 100 agents spécialisés à travers cinq étapes : Prepare, Scan, Validate, Dedupe et Prove. Le benchmark CyberGym est un jeu public de 1507 tâches réelles de reproduction de vulnérabilités, issues de 188 projets OSS-Fuzz ; dans la configuration level 1, le système reçoit le code source vulnérable et une description générale.

MAI-Cyber-1-Flash traite jusqu'à 90 % de l'ensemble des tâches de MDASH et escalade les 10 % les plus difficiles vers GPT-5.4, ce qui, selon Microsoft, représente une économie de 50 % par rapport à l'ancienne combinaison de GPT-5.4, GPT-5.4 mini et GPT-5.3 codex. Le précédent maximum de MDASH, 88,45 % en mai 2026, reposait uniquement sur des modèles accessibles au public et constituait déjà le meilleur résultat public, devançant d'environ cinq points le concurrent le plus proche, à 83,1 %.

«

Le remplacement de 80 % des modèles au sein de MDASH a fait passer le harness de 88,4 % à 95,95 % », indique l'équipe de recherche de Microsoft dans la description de la sortie.

Pourquoi le modèle ne sait pas écrire d'exploits

Les zéros de MAI-Cyber-1-Flash sur le benchmark ExploitGym (0/0/0 pour les sections Kernel, Userspace et Browser) ne sont pas un défaut, mais un choix de Microsoft. Selon l'équipe, le modèle a été entraîné à des tâches défensives, comme le patching de bugs, et non à des tâches offensives, comme le déploiement de code malveillant.

Sur le terrain, l'ensemble s'est montré convaincant. En mai 2026, un travail impliquant MDASH a permis de découvrir 16 CVE dans la pile réseau et d'authentification de Windows, dont quatre vulnérabilités critiques d'exécution de code à distance. Rétrospectivement, le harness a retrouvé 96 % des 28 cas du MSRC dans le pilote clfs.sys et 100 % des 7 cas dans tcpip.sys, sur une fenêtre de cinq ans. MDASH a été créé par l'équipe Autonomous Code Security, qui compte parmi ses membres des participants de Team Atlanta, vainqueur du DARPA AI Cyber Challenge.

Ce que cela signifie

Microsoft montre que les records en détection de vulnérabilités ne reviennent pas à un seul grand modèle, mais à une orchestration bien pensée d'agents spécialisés peu coûteux : un modèle à 5 Md de paramètres actifs assure 90 % du travail et divise la facture par deux, tandis que le modèle de pointe n'intervient que sur les cas les plus difficiles.

Questions fréquentes

Qu'est-ce que MDASH ?

MDASH est le harness agentique multi-modèles de Microsoft dédié à la recherche de vulnérabilités. Il pilote plus de 100 agents à travers cinq étapes (Prepare, Scan, Validate, Dedupe, Prove) et affiche 95,95 % sur le benchmark CyberGym.

Pourquoi MAI-Cyber-1-Flash obtient-il des zéros sur

ExploitGym ?

C'est volontaire. Selon Microsoft, le modèle a été entraîné uniquement à des tâches défensives, comme le patching de bugs, et non à l'écriture d'exploits ni de code malveillant.

Dans quelle mesure cette combinaison est-elle moins chère que la précédente ?

Microsoft annonce une économie d'environ 50 % par rapport à l'ancienne configuration de GPT-5.4, GPT-5.4 mini et GPT-5.3 codex, car MAI-Cyber-1-Flash prend en charge jusqu'à 90 % des tâches, et seules les 10 % les plus complexes sont renvoyées vers GPT-5.4.