MAI-Cyber-1-Flashを組み込んだMDASHは、CyberGymで95.95%を記録しました。
- 要点1: 総137B、アクティブ5Bのサイバーセキュリティ特化モデル
- 要点2: 統合システムは現行のMDASH最良構成比でコストを50%削減
- 要点3: 防御目的のPrivate Previewで、MDASH内の利用に限定
対象: 情報システム、セキュリティ、開発部門の責任者
今日やること: AI脆弱性診断に任せる範囲と人が承認する工程を整理する
この記事の目次
Microsoftは2026年7月27日、サイバーセキュリティ向けAIモデル「MAI-Cyber-1-Flash」を発表しました。
同モデルは単体で提供される一般向けチャットAIではありません。複数のAIエージェントを動かす脆弱性診断システム「MDASH」に組み込み、コードの調査から修正案の検証までを支援します。
注目すべき数字は、統合システムがCyberGymで記録した95.95%と、Microsoftの現行構成と比べた50%のコスト削減です。一方、この数値を「モデル単体の性能」と読むと実態を見誤ります。公式情報を基に、企業が確認すべき導入条件まで整理します。
MAI-Cyber-1-Flash発表の要点
MAI-Cyber-1-Flashは、大規模なコードベースから難しい脆弱性を見つけるための専用モデルです。Microsoftの公式モデルカードでは、MAI-Code-1-Flashをサイバーセキュリティ向けに追加学習したモデルと説明されています。
主な仕様は次のとおりです。
| 項目 | 公式情報 |
|---|---|
| アーキテクチャ | Transformer、Sparse Mixture-of-Experts |
| パラメータ | 総137B、推論時にアクティブな部分は5B |
| コンテキスト長 | 256k |
| 入出力 | テキスト |
| 主な用途 | 脆弱性の発見、優先順位付け、検証、修正支援 |
| 提供形態 | Azure AI Foundry Private Preview、MDASH内に限定 |
Sparse Mixture-of-Expertsは、入力に応じてモデル内部の一部だけを動かす設計です。MAI-Cyber-1-Flashでは総137Bのうち5Bをアクティブにし、専門性と処理コストの両立を狙っています。
ただし、企業が任意のアプリへ組み込める公開APIではありません。用途はMDASH内の防御的なセキュリティ作業に限定され、利用にはMicrosoftによる審査と承認が必要です。
MDASHは100超のAIエージェントを編成する
今回の発表は、新モデルだけでなく、モデルを業務工程へ組み込む仕組みに価値があります。
MDASHは複数モデルと100超の専門AIエージェントを編成するシステムです。Microsoft AIの公式ページによると、次の工程を対象にしています。
- リポジトリの事前知識を作る
- コードベースをスキャンする
- 誤検知を除いて脆弱性を検証する
- 重複した指摘を統合する
- 再現用のPoCを作る
- 修正案を提示する
- 修正後の正しさを検証する
モデルの使い分けも特徴です。MAI-Cyber-1-Flashが最大90%のタスクを処理し、特に難しい約10%をGPT-5.4へ回します。すべての作業に高価な大型モデルを使わず、難度に応じて処理を振り分ける構成です。
この考え方は、セキュリティ以外のAIエージェントにも応用できます。定型処理は小型モデルへ任せ、判断が難しい例外だけを高性能モデルと人間へ送る設計です。
＼ Claude Codeの導入、何から始めればいいかわかります ／
法人様のAI導入に関するご相談はこちらCyberGym 95.95%とコスト50%削減の読み方
Microsoftの公式発表では、MAI-Cyber-1-FlashとGPT-5.4を使うMDASHがCyberGymで95.95%を記録しました。公式本文は96%と丸め、Mythosを12ポイント上回ったと説明しています。
CyberGymは、188のソフトウェアプロジェクトから集めた1,500超の評価インスタンスで、現実のコードに含まれる脆弱性を調べる評価スイートです。モデルカードでは、MDASH内の既存モデルの80%をMAI-Cyber-1-Flashへ置き換えると、成功率が88.4%から95.95%へ上がったとされています。
コストは、Microsoftが現在MDASHで使う最良構成と比べて50%減りました。比較対象は「GPT-5.4 + GPT-5.4 mini + GPT-5.3 Codex」です。
| 指標 | 結果 | 読み方 |
|---|---|---|
| CyberGym | 95.95% | MDASH統合システムの結果 |
| 既存構成 | 88.4% | モデル置換前のMDASH評価 |
| Mythosとの差 | +12ポイント | Microsoft公表値 |
| コスト | 50%削減 | Microsoftの現行MDASH最良構成との比較 |
ここで、ベンチマークは企業ごとのコード品質や開発環境をそのまま再現しません。性能比較では、同じ対象リポジトリ、権限、時間、試行回数、修正後テストをそろえたPoCが必要です。
企業の脆弱性管理はどう変わるか
企業への影響は、脆弱性診断を「定期的な点検」から「継続的な工程」へ移しやすくなることです。
従来の診断は、リリース前や四半期ごとに実施し、検出結果を人が整理する運用が中心でした。診断コストが下がれば、重要な変更ごとにスキャンし、修正案まで短い周期で回せます。
人間の役割は残ります。Microsoftのモデルカードも、生成したテキストやコードが不正確、不完全な場合があるため、本番利用前にレビュー、テスト、検証を求めています。
企業は次の分担を明文化すると運用しやすくなります。
- AI：候補の発見、重複排除、再現手順、修正案の作成
- セキュリティ担当者：重大度の判断、攻撃可能性の確認、例外承認
- 開発者：影響範囲の確認、回帰テスト、修正の採用
- 管理者：アクセス権、監査ログ、データ保持、緊急停止の管理
AIエージェントへ権限を与えるほど、誤った修正や過剰なアクセスの影響も大きくなります。AIエージェントのセキュリティ事故と対策で扱ったように、実行環境の分離と最小権限が前提です。
AIを使った開発・セキュリティ運用について、自社の権限設計や検証フローから整理したい企業を支援しています。
＼ 業務自動化のお悩み、プロが30分で整理します ／
法人様のAI導入に関するご相談はこちら導入前に確認すべき4項目
MAI-Cyber-1-Flashの導入を検討する企業は、性能表より先に運用条件を確認する必要があります。
1. 対象範囲を限定する
最初から全リポジトリを対象にせず、機密度と影響範囲を評価しやすい1つのサービスから始めます。外部依存、生成物、テスト用コードを対象に含めるかも決めます。
2. AIの権限を分離する
コードの読み取り、テスト実行、修正ブランチ作成、本番反映は別の権限です。初期段階では読み取りと隔離環境でのテストに絞り、本番変更は人が承認します。
3. 検証手順を固定する
AIが作った修正には、単体テスト、回帰テスト、静的解析、依存関係スキャンを適用します。脆弱性が消えたことだけでなく、機能を壊していないことも確認します。
4. KPIを分けて測る
検出数だけをKPIにすると、誤検知が増えても成果に見えます。真陽性率、重大脆弱性の修正時間、再発率、人の確認時間、推論コストを分けて記録します。
提供条件と既知の注意点
MAI-Cyber-1-Flashは、2026年7月28日時点でAzure AI FoundryのPrivate Previewです。MDASH内でのみ利用でき、デュアルユースの危険性から追加の承認が必要です。
デュアルユースとは、防御に役立つ脆弱性発見能力が攻撃にも転用できる性質を指します。Microsoftは攻撃用途を対象外とし、検証済みの防御担当者にアクセスを制限しています。
公式モデルカードが挙げる主な制約は次のとおりです。
- 主に英語のデータと評価で訓練され、非英語環境では性能が下がる可能性がある
- 生成した説明やコードは不正確、不完全な場合がある
- 曖昧な依頼では安全機能が強く働き、正当な防御作業でも拒否する場合がある
- MDASH以外の統合は設計対象外である
日本語の設計書、コメント、社内ルールを多く含む企業は、自社データでの評価が欠かせません。公開ベンチマークの順位だけで導入可否を決める段階ではありません。
＼ AI活用の「次の一手」を一緒に考えませんか ／
法人様のAI導入に関するご相談はこちらよくある質問
Q. MAI-Cyber-1-Flashは一般企業がAPIで利用できますか？
2026年7月28日時点では一般公開APIではありません。Azure AI FoundryのPrivate Previewとして、承認を受けた利用者がMDASH内で使う形です。
Q. MAI-Cyber-1-FlashはClaude Mythosより高性能ですか？
Microsoftは、MAI-Cyber-1-FlashとGPT-5.4を組み合わせたMDASHがCyberGymでMythosを12ポイント上回ったと発表しました。これは統合システムと特定条件での結果であり、モデル単体のあらゆる能力が上回るという意味ではありません。
Q. AIへ脆弱性の修正まで自動で任せられますか？
修正案の作成と検証は支援できますが、無人で本番反映する運用は避けるべきです。公式モデルカードも、人間によるレビュー、テスト、検証を求めています。
まとめ
MAI-Cyber-1-Flashは、推論時に5Bを動かす専用モデルをMDASHへ組み込み、難しいタスクだけをGPT-5.4へ回す構成です。CyberGymで95.95%を記録し、Microsoftの現行MDASH最良構成と比べてコストを50%削減しました。
企業が参考にすべきなのは、単一モデルの順位だけではありません。複数モデルの振り分け、100超のエージェントによる工程化、最小権限、人間による検証を一体で設計する点です。まずは限定したリポジトリで、精度、修正時間、確認工数、コストを測ることが現実的です。
AIを活用した開発・セキュリティ運用を設計します
株式会社Nexaでは、最新AIツールの選定から権限設計、PoC、社内運用ルールまで支援するAI顧問サービスを提供しています。
参考資料
