MAI-Cyber-1-Flash: Microsoft baut ein eigenes Sicherheitsmodell
KI-generiert mit ChatGPT
Microsoft hat am 27. Juli 2026 MAI-Cyber-1-Flash vorgestellt, das erste eigene Large Language Model (LLM) für Cybersicherheit. Mustafa Suleyman und Hayete Gallot kündigten besagtes LLM gemeinsam an. Das Modell arbeitet ausschließlich innerhalb von MDASH, wie Microsoft das eigene System zur Schwachstellensuche vorerst nennt.
Wie MAI-Cyber-1-Flash die Arbeit mit GPT-5.4 aufteilt
Laut Model Card zählt MAI-Cyber-1-Flash 137 Milliarden Parameter, davon sind 5 Milliarden aktiv. Erwähnte Model Card ist das Datenblatt, in dem Microsoft Aufbau, Grenzen und Messwerte der LLMs dokumentiert. Das Kontextfenster fasst 256.000 Token. Bis zu 90 % der Aufgaben übernimmt das kleine Modell. Die schwierigsten 10 % gehen an GPT-5.4 von OpenAI. Microsoft beziffert die Ersparnis gegenüber dem bisherigen Verbund aus GPT-5.4, GPT-5.4 mini und GPT-5.3 Codex auf 50 %.
Technisch ist MAI-Cyber-1-Flash ein Feintuning von MAI-Code-1-Flash, dem Modell von GitHub Copilot. Die Entwicklung baut auf MAI-Thinking-1 auf. Nach Angaben von Microsoft prüfte das hauseigene Red Team das Modell, ergänzt durch eine externe Bewertung.
AnzeigeLaut Hersteller 95,95 % auf CyberGym
Nach Angaben von Microsoft erreicht MDASH zusammen mit MAI-Cyber-1-Flash und GPT-5.4 einen Wert von 95,95 % auf CyberGym. Das Diagramm ordnet vier Systeme der Konkurrenz zwischen 83,2 % und 85,6 % ein. Den Abstand zu Claude Mythos von Anthropic beziffert Microsoft auf zwölf Punkte.
Sämtliche Zahlen sind Angaben des Herstellers. The Hacker News weist darauf hin, dass Microsoft weder den Verbrauch an Token noch den Mix der Aufgaben nennt. Damit lässt sich der Wert bisher nicht von außen prüfen. Als Ausgangswert nennt die Model Card 88,4 %. Für die Steigerung ersetzte Microsoft 80 % der zuvor in MDASH eingesetzten Modelle durch MAI-Cyber-1, wie das neue LLM dort verkürzt heißt.
Neben dem Systemwert weist die Model Card Einzelmessungen auf weiteren Benchmarks aus. MAI-Cyber-1 erreicht 0,314 auf CVEBench und 0,651 auf CRSBench. Auf ExploitGym steht in allen drei Kategorien eine Null. Diese Werte entstehen mit einem leichtgewichtigen Harness ohne MDASH. Mit dem CyberGym-Ergebnis lassen sich diese Werte daher nicht direkt vergleichen. Im MDASH-Verbund könnten sie laut Model Card jedoch höher ausfallen.
Der Zugang bleibt stark beschränkt. Microsoft stellt das Modell weder frei bereit noch über eine öffentliche Schnittstelle zur Verfügung. Zugriff erhalten ausschließlich freigegebene Teilnehmer einer geschlossenen Vorschau in Azure AI Foundry. Der Einsatz ist auf MDASH und defensive Sicherheitsaufgaben begrenzt.
Parallel startet Project Perception, ein System aus Agenten für weitere Aufgaben in der Sicherheit. Google verfolgt mit Gemini 3.5 Flash Cyber einen ähnlichen Ansatz. Den beschränkten Zugang zu Sicherheitsmodellen kennen wir auch von GPT-5.5-Cyber.
Server, KI-Modelle und Recherche kosten Geld. ClawNews ist unabhängig — hilf mit, dass das so bleibt.
