Microsoft は CyberGym で 95.95% のスコアを獲得し、Claude Mythos と GPT-5.6 Sol を上回りました。

Microsoftは7月27日に初の専用サイバーセキュリティモデル「MAI-Cyber-1-Flash」をリリースし、それを「CyberGym」ベンチマークで95.95%のスコアを獲得した脆弱性探索システム「MDASH」に統合しました。同社によると、この構成はAnthropicの「Mythos 5」およびOpenAIの「GPT-5.6 Sol」を上回り、さらにMicrosoftの現行で最も優れた「MDASH」セットアップより50%低コストです。CyberGymは、AIエージェントに188のオープンソースプロジェクトにまたがる既知の脆弱性1,507件を再現させ、制御された環境で正常に再現できた割合に基づいてスコアを付けるベンチマークです。MicrosoftのCEOサティア・ナデラは、統合システムは先行するモデルの半額で世界クラスの性能を提供すると述べ、汎用的な能力のために構築された高密度の最先端モデルを、Microsoftの効率重視モデルとして初めて上回ったことを示したとしました。

MDASH Outperforms Competing Models on CyberGym Benchmark

Microsoftの「MDASH」システムは、同社によればCyberGymで95.95%を記録しました。この結果により、「GPT-5.5 Cyber」（85.6%）、「Mythos 5」（83.8%）、「GPT-5.6 Sol」（83.6%）、「Gemini 3.5 Flash Cyber」（83.2%）を上回りました。この結果はMicrosoftによる自己申告で、発表時点ではCyberGymの公開リーダーボードに掲載されていませんでした。ただし、このベンチマークは公開のテストセットと、定義された成功指標を使用します。スコアは「GPT-5.5 Cyber」より約10ポイント高く、MDASHの従来の結果より7.5ポイント上回ることを示します。

MAI-Cyber-1-Flash Handles 90% of Workload with GPT-5.4 Backup

「MAI-Cyber-1-Flash」は単独では動作しません。Microsoftは、最大90%のタスクを処理し、最も難しい10%を「GPT-5.4」にルーティングすると述べています。「MAI-Cyber-1-Flash」はコードを推論するAIであり、「MDASH」は“ハーネス”で、エージェント、ツール、チェック、そしてどこを調べるかを決めるワークフローを含みます。疑わしい発見を検証し、重複を取り除き、バグが引き起こせることを証明します。MDASHは、コード監査、発見が本物かどうかの議論、そして欠陥が存在することを示すプルーフ・オブ・コンセプトの構築を行う100以上の専用エージェントを使用します。

Microsoft Opens Private Preview Through Defender Portal

Microsoftは、Defenderポータルの「Microsoft Security Exposure Management」を通じてMDASHをプライベートプレビューとして提供します。顧客はGitリポジトリをスキャンし、あり得ないものから立証済みまでの順に順位付けされた発見を確認でき、Defender CLIを使って開発者のレビュー向けの提案コード修正を生成できます。このプレビューでは現在、リポジトリをおおむね256MBに制限し、テナントごとに同時スキャンを1件まで許可しています。Project Perceptionは、コードスキャンにとどまらず、より広範な脅威監視およびレメディエーション（修復）ワークフローへ、この同様のマルチエージェント方式を拡張する見込みです。

FAQ

What score did Microsoft's MDASH achieve on CyberGym? Microsoft says MDASH scored 95.95% on CyberGym, a benchmark that asks AI agents to reproduce 1,507 known vulnerabilities across 188 open-source projects.

How does MAI-Cyber-1-Flash distribute its workload? Microsoft says MAI-Cyber-1-Flash handles up to 90% of tasks, while MDASH routes the hardest 10% to GPT-5.4. The system uses more than 100 specialized agents to audit code and validate findings.

What are the limits for the MDASH private preview? The preview currently limits repositories to roughly 256MB and permits one concurrent scan per tenant through Microsoft Security Exposure Management in the Defender portal.