Microsoft lanserer cybermodell som kutter agentkost

Microsoft gjør sikkerhetsagenter økonomiske

Microsoft AI har lansert MAI-Cyber-1-Flash inne i MDASH, selskapets fleragent-harness for å identifisere og rette sårbarheter i kode. Dette er ikke enda en generell chatbot med sikkerhetslogo på. Microsoft beskriver modellen som en kompakt, kode-tung cybermodell, bygget for komplekse kodebaser og integrert i en operasjonell sikkerhetsplattform.

Det viktigste tallet er ikke bare ytelsen. Det er kostnaden. Microsoft sier kombinasjonen MDASH + MAI-Cyber-1-Flash leverer 96 prosent på CyberGym, 12 prosentpoeng over Mythos, samtidig som den gir 50 prosent kostnadsbesparelse mot selskapets beste eksisterende MDASH-oppsett med større modeller. For CISO-er og CIO-er er det selve poenget: AI-sikkerhet virker ikke hvis hver kontinuerlige skanning brenner budsjettet som om den var et styremøte med konsulenter.

Hva som faktisk er nytt

MAI-Cyber-1-Flash er Microsofts første dedikerte cybermodell. Den er koblet til MDASH, som Microsoft beskriver som et multi-agent system for vulnerability identification and remediation. Harnesset bruker mer enn 100 spesialiserte agenter til å forberede repo-kunnskap, skanne kodebasen, triagere funn, fjerne duplikater, generere proof-of-concept og foreslå eller validere patcher.

Modellen er laget for å håndtere opptil 90 prosent av MDASH-oppgavene. Bare de vanskeligste 10 prosentene skal rutes videre til større og dyrere modeller, i Microsofts eksempel GPT-5.4. Det er en viktig arkitekturendring: ikke én gigantmodell på alt, men en rutet modellportefølje der en rask spesialist tar volumet og frontier-modeller brukes der marginalnytten faktisk forsvarer prisen.

Microsoft pakker dette inn i Project Perception, et agentisk sikkerhetstilbud der team av agenter skal simulere angrep, oppdage og etterforske, samt fikse og remediere. Det peker mot neste bølge i enterprise security: SOC-arbeid som går fra periodiske skanninger og manuell købehandling til kontinuerlige, modellstyrte løkker.

CIO/CISO-vinkelen

Dette treffer direkte tre ledertemaer. Først: kost per handling. Hvis AI-agenter skal kjøre kontinuerlig mot kode, cloud og identitet, blir tokenkost og eskaleringslogikk en del av sikkerhetsarkitekturen. Det er ikke lenger bare et innkjøpsspørsmål. Det er designet på operasjonsmodellen.

Andre tema er kontroll. Microsoft sier MAI-Cyber-1-Flash er kalibrert for forsvar og kun tilgjengelig for verifiserte forsvarere gjennom MDASH. De fremhever rollebaserte kontroller, tenant-isolasjon, kryptering, auditability og sandboxede kjøringsmiljøer uten internettilgang. Det er riktig språk for regulerte virksomheter. Men det betyr også at dette ikke er en åpen modell som sikkerhetsteam kan laste ned og kjøre fritt. Verdien ligger i kombinasjonen modell, data og harness.

Tredje tema er datamakt. Microsoft viser til tiår med sikkerhetshistorikk, mer enn 100 billioner sikkerhetssignaler daglig og erfaring fra 1,6 millioner kunder. Det er her konkurransen blir ubehagelig for mindre leverandører: cybermodeller blir bedre når de trenes og evalueres mot reelle hendelser, patcher og utfall. De beste agentene vil ikke bare ha gode weights. De vil ha best kontekst.

Hvorfor det betyr noe nå

Angrepskostnaden faller. Når angripere kan bruke modeller til å lete etter svakheter i store kodebaser, holder det ikke å skanne sjeldent og patche senere. Microsofts budskap er at forsvarssiden må bli like kontinuerlig som angrepssiden. Det er lett å avfeie som leverandørretorikk, men retningen er riktig.

For norske virksomheter betyr dette at sikkerhetsstrategien bør oppdateres på to nivåer. På teknologisiden: vurder om dagens SAST/DAST, dependency scanning og SOC-verktøy faktisk kan orkestreres av agenter, eller om de bare produserer flere varsler. På styringssiden: definer hvor AI-agenter får lov til å foreslå, teste og gjennomføre endringer. En agent som kan finne sårbarheter er nyttig. En agent som kan patche produksjonskode uten klare grenser er en fremtidig avviksmelding med sko på.

Vurdering

Dette er en sterk modellnyhet fordi den kobler modellkapabilitet til en konkret enterprise-operasjon: finne og rette sårbarheter i kode. CyberGym-resultatet bør leses som en leverandørmåling, ikke som endelig fasit. Likevel er produktretningen viktig. Microsoft forsøker å gjøre cyberforsvar til en modell-rutet fabrikk: spesialistmodell for volum, større modeller for de vanskeligste sakene, og agent-harness rundt hele arbeidsflyten.

Den praktiske testen blir ikke om demoen finner en sårbarhet. Den blir om sikkerhetsteam får færre falske positiver, kortere tid til verifisert patch, bedre revisjonsspor og lavere marginalkost per lukket funn. Hvis Microsoft leverer på det, blir dette mer enn en modellansering. Da blir det en ny pris- og driftsmodell for sikkerhetsarbeid.

Kilder og medier

Primærkilde: Microsoft AI – https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/

Supplerende Microsoft-modellside: https://microsoft.ai/models/mai-cyber-1-flash/

Thumbnail: OpenAI Image 2 / hogby.ai