Microsoft cho biết MDASH vượt qua Claude Mythos và GPT-5.6 Sol trong bài kiểm tra an ninh mạng

Microsoft đã phát hành mô hình an ninh mạng chuyên dụng đầu tiên của mình mang tên MAI-Cyber-1-Flash và kết nối nó với MDASH, một hệ thống tìm kiếm lỗ hổng mà theo công ty, vượt qua Mythos 5 của Anthropic và GPT-5.6 Sol của OpenAI trong khi có chi phí thấp hơn 50% so với cấu hình MDASH tốt nhất hiện tại của Microsoft.

Cấu hình kết hợp này đã đạt điểm 95,95% trên CyberGym, theo Microsoft. CyberGym là một tiêu chuẩn yêu cầu các tác nhân AI tái tạo 1.507 lỗ hổng đã biết trên 188 dự án mã nguồn mở, sau đó chấm điểm dựa trên tỷ lệ phần trăm thành công trong môi trường kiểm soát.

Điều này đã đưa MDASH vượt lên trên GPT-5.5 Cyber với 85,6%, Mythos 5 với 83,8%, GPT-5.6 Sol với 83,6% và Gemini 3.5 Flash Cyber với 83,2%. Kết quả này được Microsoft tự báo cáo và chưa xuất hiện trên bảng xếp hạng công khai của CyberGym tại thời điểm công bố, mặc dù tiêu chuẩn này sử dụng một bộ kiểm tra công khai và một chỉ số thành công đã được xác định.

MAI-Cyber-1-Flash không hoạt động một mình. Microsoft cho biết nó xử lý tới 90% các nhiệm vụ, trong khi MDASH chuyển giao 10% khó nhất cho GPT-5.4. Điều này quan trọng vì các token - các đoạn văn bản mà AI xử lý - tốn tiền mỗi khi một mô hình đọc mã hoặc đưa ra câu trả lời.

Đây là lần đầu tiên một mô hình của Microsoft được xây dựng để tối ưu hóa hiệu suất có khả năng vượt qua một mô hình tiên tiến dày đặc được xây dựng với khả năng tổng quát trong tâm trí. "Khi kết hợp với MDASH, (MAI-Cyber-1-Flash) mang lại hiệu suất đẳng cấp thế giới với 50% chi phí của các mô hình hàng đầu," CEO Microsoft Satya Nadella viết.

Một mô hình (trong trường hợp này là MAI-Cyber-1-Flash) là AI suy luận trên mã. Một bộ khung (MDASH trong trường hợp này) là máy móc xung quanh nó: các tác nhân, công cụ, kiểm tra và quy trình làm việc quyết định nơi để tìm kiếm, thách thức các phát hiện nghi ngờ, loại bỏ các bản sao và chứng minh rằng một lỗi có thể được kích hoạt.

MDASH sử dụng hơn 100 tác nhân chuyên biệt được giao nhiệm vụ kiểm toán mã, tranh luận xem một phát hiện có thật hay không, và xây dựng một bằng chứng khái niệm - một bản trình diễn hoạt động cho thấy lỗi tồn tại.

Microsoft cho biết các quét định kỳ và các bản vá chậm đang trở nên lỗi thời khi AI làm cho việc phát hiện lỗi trở nên rẻ hơn. Công ty lập luận rằng hàng thập kỷ dữ liệu bảo mật mang lại cho nó một lợi thế, đồng thời nói thêm, "Không ai có thể sản xuất lịch sử này."

Kể từ khi phát hành Claude Mythos, các chuyên gia an ninh mạng đã cố gắng vượt qua hoặc đạt được khả năng của nó. Các nhà nghiên cứu đã tái tạo việc tìm kiếm lỗ hổng theo phong cách Mythos với các mô hình công khai với chi phí dưới 30 USD mỗi lần quét. Dawid Moczadło, một trong những nhà nghiên cứu tham gia, cho biết "hào sâu đang chuyển từ việc truy cập mô hình sang xác thực."

Phần khan hiếm đang trở thành hệ thống chứng minh các phát hiện mà không chôn vùi các nhà phát triển dưới những báo động giả.

Decrypt cũng báo cáo rằng GPT-5.5 Cyber gần đây đã dẫn đầu CyberGym công khai với điểm số 85,6%, vượt qua Mythos một cách sát sao. Điểm số của Microsoft cao hơn khoảng 10 điểm so với GPT-5.5 Cyber và 7,5 điểm so với kết quả trước đó của MDASH, nhưng nó đánh giá toàn bộ hệ thống thay vì chỉ riêng MAI-Cyber-1-Flash.

Microsoft đang đưa MDASH vào chế độ xem trước riêng tư thông qua Microsoft Security Exposure Management trong cổng Defender. Khách hàng có thể quét các kho Git, xem các phát hiện được xếp hạng từ không chắc chắn đến đã được chứng minh, và sử dụng Defender CLI để tạo ra các sửa đổi mã đề xuất cho các nhà phát triển xem xét.

Chế độ xem trước hiện tại giới hạn các kho lưu trữ khoảng 256MB và cho phép một lần quét đồng thời cho mỗi người thuê. Dự án Perception dự kiến sẽ mở rộng cùng một cách tiếp cận đa tác nhân ra ngoài việc quét mã vào các quy trình giám sát và khắc phục mối đe dọa rộng hơn.

Tuyên bố miễn trừ trách nhiệm: Nội dung này chỉ được cung cấp nhằm mục đích xây dựng thương hiệu và cung cấp thông tin chung, không phải là lời khuyên về tài chính, đầu tư, pháp lý hoặc thuế. Mọi sự kiện, phần thưởng, sự kiện trực tuyến hoặc thông tin liên quan được đề cập trong nội dung này không được xem là khuyến nghị, chào mời hoặc lời mời mua, bán, giao dịch hoặc thực hiện bất kỳ hoạt động nào khác liên quan đến tài sản crypto hay sử dụng bất kỳ dịch vụ nào. Tài sản crypto có mức biến động cao và có thể dẫn đến thua lỗ. Dịch vụ và các sự kiện trực tuyến của WEEX có thể không khả dụng tại tất cả khu vực và phải tuân theo các luật, quy định và điều kiện đủ điều kiện hiện hành. Bạn có trách nhiệm bảo đảm việc sử dụng các dịch vụ của WEEX tuân thủ luật pháp địa phương và tự đánh giá cẩn thận các rủi ro trước khi tham gia bất kỳ hoạt động nào liên quan đến crypto.