Por: Mustafa Suleyman y Hayete Gallot
Anunciamos MAI-Cyber-1-Flash dentro de MDASH, nuestro arnés multiagente para identificar y remediar vulnerabilidades. Juntos ofrecen un rendimiento de clase mundial al 50% del coste de los modelos líderes.
El progreso en IA ha sido sorprendente, al igual que la nueva generación de amenazas cibernéticas que ha comenzado a desatar. Los atacantes ahora poseen capacidades cada vez más poderosas, al explorar una montaña de código cada vez mayor en busca de una sola debilidad que les permita entrar.
A medida que el coste de encontrar un fallo se derrumba, el antiguo modelo de seguridad, donde a veces escaneaban y luego parchaban de manera eventual, ahora queda obsoleto. Si queremos desbloquear los verdaderos beneficios de la IA, primero debemos construir modelos cibernéticos excepcionales que nos ayuden a todos a reforzar el software con el que funciona el mundo.
Esa es la motivación detrás de MAI-Cyber-1-Flash, que ha sido diseñado para encontrar vulnerabilidades desafiantes en bases de código complejas. Ha sido integrado a profundidad en MDASH, perfeccionado por los mejores expertos en ciberseguridad del sector y reforzado en el mayor sector de seguridad del planeta.
Esta experiencia combinada ofrece una protección de seguridad excepcional, que superan a Mythos, Gemini y GPT en CyberGym, el estándar de referencia para evaluar cómo los sistemas razonan sobre grandes bases de código para encontrar vulnerabilidades reales en el código.
Elegir el modelo adecuado para la tarea
La seguridad es una misión siempre activa, y dado el enorme volumen de ataques entrantes, el coste de tokens es ahora la verdadera limitación para los defensores. MAI-Cyber-1-Flash fue diseñado para gestionar de manera eficiente hasta el 90% de todas las tareas, lo que permite a MDASH utilizar los modelos más grandes y costosos de nuestra flota (en este caso GPT-5.4) para el 10% de tareas de una dificultad excepcional, que en verdad las necesitan.
El resultado es que el sistema unificado de MDASH con MAI-Cyber-1-Flash ofrece un 96% en CyberGym (en cualquier puntuación de fallo del benchmark; supera a Mythos en la clasificación de CyberGym).
Esta combinación supone un ahorro del 50% en comparación con nuestra mejor oferta actual en MDASH (GPT 5.4 + 5.4 mini + códex 5.3). Esa es la potencia de un sistema bien ajustado y multimodelo, con acceso a datos históricos de entrenamiento únicos y ricos. Garantiza que ustedes siempre tengan el mejor modelo al mejor precio para cada tarea.
En este nuevo entorno, poder pasar de identificar una nueva vulnerabilidad a abordarla en tiempo real es fundamental. Y aunque la remediación de vulnerabilidades de software por IA es ahora un flujo de trabajo clave de seguridad, hay muchos trabajos que los propios profesionales de seguridad pueden realizar.
Por eso también lanzamos Perception, nuestros sistemas de seguridad agéntica, que proporcionan equipos de agentes para una variedad de flujos de trabajo de seguridad en MDASH, para monitorizar, parchear y cerrar de manera continua nuevos vectores de amenaza. Perception también utilizará pronto MAI-Cyber-1-Flash para muchos más flujos de trabajo de seguridad, más allá del trabajo de vulnerabilidades de software.
Tres cosas importan hoy: Modelo. Datos. Arnés.
Hemos optimizado de manera conjunta nuestros modelos de clase mundial, nuestros datos históricos inigualables y nuestro equipo optimizado por expertos para garantizar que nuestros clientes cuenten con una oferta de seguridad única y potente.
Modelo. MAI-Cyber-1-Flash es un modelo de seguridad compacto y cargado de código derivado de la línea MAI-Thinking-1, que se construyó desde cero, de manera interna, con datos de la más alta calidad. Detalles en nuestro informe técnico.
Datos. Nuestra mayor ventaja. Décadas de construcción de sistemas de seguridad de clase mundial nos ofrecen ahora billones de señales diarias en identidad, terminales, nube y red, y un historial inigualable de exploits y remediaciones reales. Nadie puede fabricar esta historia.
Arnés. MDASH, nuestro arnés multiagente para identificación y remediación de vulnerabilidades, está optimizado por los mejores expertos en seguridad del sector, que han creado 100+ agentes por medio de múltiples modelos líderes para encontrar, validar y remediar vulnerabilidades. El escaneo de código agente es una función crítica en el Centro Operativo de Seguridad y alimenta el Proyecto Perception, nuestro nuevo sistema de seguridad agéntica.
Construido con la seguridad primero
Como MAI-Cyber-1-Flash es el primer modelo cibernético de Microsoft, hemos incorporado confianza en cada capa del sistema, desde el entrenamiento del modelo hasta el despliegue del cliente. El modelo fue desarrollado con una calibración centrada en la seguridad, evaluado de manera rigurosa por el equipo rojo de IA de Microsoft, probado mediante ejercicios adversariales automatizados y dirigidos por expertos, y evaluado de manera independiente por un tercero.
La confianza va más allá del propio modelo. A través de MDASH, los clientes obtienen controles de nivel empresarial, incluidos controles basados en roles, aislamiento de inquilinos, cifrado, auditabilidad y entornos de ejecución en formato sandbox, sin acceso a internet. El resultado es un modelo cibernético que ofrece potentes capacidades a los defensores, para mantener al mismo tiempo la gobernanza, la seguridad y el control que las empresas esperan de Microsoft.
Nuestra máquina de subir colinas
La ciberseguridad no es solo un ámbito rico en datos; es un bucle de aprendizaje por refuerzo en vivo. Cada día, los defensores investigan amenazas, clasifican alertas, cazan adversarios, remedian vulnerabilidades, despliegan protecciones y aprenden del resultado.
Microsoft ve ese bucle de extremo a extremo: vulnerabilidades a través del Centro de Respuesta de Seguridad de Microsoft; ataques y defensas en identidad, terminales, nube, datos, navegador y aplicaciones; más de 100 billones de señales de seguridad cada día; e información operativa de 1,6 millones de clientes. Porque podemos relacionar las acciones con los resultados; lo que era explotable, lo que estaba contenido, lo que estaba bloqueado y lo que en verdad funcionaba; tenemos más que datos.
Nuestro bucle de aprendizaje por refuerzo MAI nos da la base para construir modelos cibernéticos que mejoran de manera continua y se conviertan en defensores expertos en ciberseguridad. Ese será nuestro compromiso con nuestros clientes durante muchos años.
Actualizado a 13 de agosto de 2026
Aclaración sobre las puntuaciones de CyberGym
- Any-crash: mide la capacidad del agente para identificar vulnerabilidades que puedan hacer que el código en evaluación se bloquee con una entrada que desencadene cualquier vulnerabilidad existente o de día 0. Nuestra puntuación del 96% es de cualquier accidente
- Objetivo (Cualquiera de): mide la capacidad del agente para generar una o más vulnerabilidades candidatas que activen entradas con al menos uno de los candidatos asignando una vulnerabilidad conocida en la suite de pruebas CyberGym. En esta medida, nuestra puntuación es del 90,4%
- Envío final: nuevo mecanismo de puntuación introducido en julio. Se basa en el método any-of y pide al agente que elija solo una vulnerabilidad que active la entrada, que se compara con las vulnerabilidades conocidas en la suite de pruebas de CyberGym. Nuestras puntuaciones adoptan un enfoque conservador y filtran los casos límite que el evaluador de Cybergym puede interpretar de manera incorrecta como accidentes válidos. El 86,3% en la clasificación de CyberGym corresponde a la puntuación final de la presentación