Microsoft zet eigen beveiligingsmodel MAI-Cyber-1-Flash live
Microsoft heeft zijn beveiligingsplatform Project Perception in publieke preview gezet en levert daarbij voor het eerst een eigen, in huis getraind beveiligingsmodel: MAI-Cyber-1-Flash. Het bedrijf presenteerde het geheel op 27 juli in San Francisco, de preview ging op 3 augustus open voor klanten van MDASH. Volgens GeekWire haalt het systeem 96 procent op CyberGym, een benchmark die meet hoe goed software kwetsbaarheden vindt in grote codebases.
Drie soorten agents, elk met een eigen taak
Project Perception verdeelt het werk over drie teams van AI-agents. De rode agents zoeken aanvalsroutes, de blauwe schatten in hoe ernstig een gevonden gat is, en de groene schrijven en installeren de patch. Axios beschreef die opzet als een poging het werk van een menselijk securityteam na te bootsen, inclusief de onderlinge overdracht van signalen. De agents kijken naar e-mail, identiteiten, endpoints en content, en zoeken daarin patronen die op AI-misbruik wijzen: deepfakes, geraffineerde phishing, chatbots die buiten hun kaders worden gestuurd.
Die scope sluit aan op wat handhavers al zien gebeuren. INTERPOL schatte eerder dat AI achter de helft van de cybercrime in Afrika zit, en incidenten met datalekken bij AI-diensten zoals de notulist tl;dv laten zien hoe snel de aanvalsoppervlakte groeit.
Een klein eigen model naast GPT-5.4
Het interessantste zit in de modelkeuze. MAI-Cyber-1-Flash doet volgens Microsoft het merendeel van het werk tegen ongeveer de helft van de kosten van grotere modellen. Alleen de moeilijkste tien procent van de taken gaat door naar GPT-5.4 van OpenAI. Satya Nadella schreef op X dat dit precies het punt is van het los bouwen van de harness, de context en de acties, buiten een enkele modelfamilie om: je kunt dan gespecialiseerde modellen combineren en stuurt op kosten per resultaat.
Dat kostenargument komt steeds vaker terug bij agentsystemen. Okta probeert de tokenrekening van AI-agents met 90 procent omlaag te brengen door tooldefinities slimmer aan te bieden. Microsoft doet in feite hetzelfde met routering: klein model waar het kan, duur model waar het moet.
Ruimer beschikbaar dan de concurrentie
De timing helpt Microsoft. Anthropic Mythos 5 en GPT-5.6 Sol zitten achter beperkingen die de toegang tot goedgekeurde afnemers terugbrengen, iets wat we eerder zagen bij het hackmodel dat OpenAI alleen aan gescreende partijen geeft. Microsoft kiest voor een bredere preview binnen zijn bestaande klantenbestand. Hayete Gallot, verantwoordelijk voor security, stelde dat de huidige aanpak het tempo van AI, agents en aanvallen op machinesnelheid niet bijhoudt.
Of dat klopt, blijkt pas in productie. Een score van 96 procent op CyberGym zegt iets over het vinden van kwetsbaarheden in code, niet over het gedrag van een agent die zelfstandig patches uitrolt in een netwerk dat draait. De groene agents zijn daarmee het spannendste deel van het plan.
Wat betekent dit
Voor beveiligingsteams verschuift de vraag van welk model is het slimst naar welke taak stuur je naar welk model. Microsoft laat zien dat een goedkoop, smal getraind model het gros van repetitief securitywerk aankan, mits er een systeem omheen staat dat weet wanneer het moet opschalen. Wie zelf met AI-agents werkt, kan die logica overnemen: routeer op moeilijkheid, niet op gewoonte. En houd er rekening mee dat de groene agents, die daadwerkelijk ingrijpen, voorlopig menselijk toezicht nodig hebben. Een patch die automatisch de productieomgeving in gaat, is een ander risico dan een rapport dat niemand leest.
