【CyberGym 95.95%】自社サイバーモデルを持たなかったMicrosoftが、実効5BでMythosに+12点をつけた仕組みMicrosoft achieved 95.95% on the CyberGym benchmark using an effectively…
匿名の公開いいねです。記事の保存・お気に入りではなく、Featured、Top 3、重要度、掲載順位には影響しません。仕組みとプライバシーAnonymous public likes are reactions, not saved articles or bookmarks. They do not affect Featured, Top 3, importance, or listing order.How it works and privacy
- Microsoftは専用サイバーセキュリティモデルを持たない状況から、実効5BパラメータのモデルチューニングでベンチマークCyberGym 95.95%を達成し、Mythosを12点上回った。
- 小規模モデルでも特化訓練により大型モデルを超えられることを示した点で注目される。
- Microsoft achieved 95.95% on the CyberGym benchmark using an effectively 5B-parameter model, outscoring the Mythos model by 12 points despite lacking a dedicated in-house cyber model.
- The result highlights how targeted fine-tuning can let compact models surpass larger specialized competitors.
本ページの本文と要約は AI による自動生成です。日本語版と英語版は言語ごとに独立して生成されるため、表現や詳しさが異なる場合があります。正確性は元記事 (qiita.com) をご確認ください。The body and summaries are AI-generated independently for each language, so wording and detail may differ. Verify accuracy at the original source (qiita.com).
要約と収集メタデータに基づく AI 解説。元記事全文の転載・翻訳ではありません。AI explainer based on the summaries and collected metadata, not a copy or translation of the full source article.
CyberGym
Microsoftは2026年7月27日、初の自社サイバーセキュリティモデル「MAI-Cyber-1-Flash」と、閉ループ型セキュリティシステム「Project Perception」を発表した。CyberGymで95.95%を記録したとされるが、この数値は小型モデル単体ではなく、別モデルへのルーティングを含むシステム全体の成果として捉える必要がある。
スパースMoE
MAI-Cyber-1-Flashは、総パラメータ数137B、処理時に使うアクティブパラメータ数5BのスパースMoEモデルである。実効5Bという小規模な構成ながら、サイバーセキュリティ向けの特化訓練によって、検証ハーネスを組み合わせたCyberGymではMythosを12点上回り、GPT-5.6 Solも超えたと説明されている。
90/10ルーティング
スコアの中核にあるのが「90/10ルーティング」だ。MAI-Cyber-1-FlashがMDASHタスクの最大90%を処理し、最難関の10%だけをGPT-5.4へ回す。これにより、すべての処理を単一の大型モデルへ委ねるのではなく、難度に応じて担当を分ける構成となっている。Microsoftは、このMDASHシステム全体でCyberGym 95.95%を達成し、コストは従来構成の半分になったと主張している。
赤・青・緑
Project Perceptionは、赤・青・緑のエージェントを組み合わせ、脆弱性の発見、優先度付け、パッチ適用までを自律的に進める閉ループ型システムである。MAI-Cyber-1-Flashが大半のタスクを担い、難しい処理のみをGPT-5.4へ振り分けることで、特化モデルの処理能力と上位モデルの能力を組み合わせている。発表は同日、サンフランシスコで開かれた小規模イベントで行われた。
CyberGym 95.95%
Microsoft says its new cybersecurity system achieved 95.95% on the CyberGym benchmark while operating at half the cost of its previous configuration. The result matters because it was produced with an effectively 5B-parameter cyber model and exceeded Mythos by 12 points, while also surpassing GPT-5.6 Sol.
However, the 95.95% score does not belong to the compact model alone. It represents the performance of the complete MDASH system, which includes routing some tasks to GPT-5.4.
MAI-Cyber-1-Flash
Microsoft announced MAI-Cyber-1-Flash, its first in-house cybersecurity model, on July 27, 2026, at a small event in San Francisco. The model uses a sparse mixture-of-experts design with 137B total parameters and 5B active parameters.
The article attributes the model’s performance to targeted tuning. It presents the result as evidence that a compact, specially trained model can outperform larger specialized models on this benchmark, although the headline score reflects the broader system rather than MAI-Cyber-1-Flash operating independently.
90/10 Routing
The system uses what Microsoft calls “90/10 routing.” MAI-Cyber-1-Flash handles as much as 90% of MDASH tasks, while only the most difficult 10% are sent to GPT-5.4.
This division is central to the cost and performance claim. Most work remains with the effectively 5B-active-parameter model, while the larger model is reserved for the hardest tasks. Microsoft says this combined configuration reached 95.95% on CyberGym at half the cost of the previous setup.
Project Perception
MAI-Cyber-1-Flash is the core model in Project Perception, a closed-loop security system built around red, blue, and green agents. The system is designed to find vulnerabilities, assign priorities, and apply patches autonomously.
Project Perception therefore combines specialized agents, a compact cybersecurity model, and selective routing to GPT-5.4. Its reported benchmark result should be understood as the outcome of that complete arrangement, not as a standalone score for MAI-Cyber-1-Flash.
ポコとTECHガイドPoko & TECH Guide
ポコと当サイトのTECHガイドが、記事の要約と収集した情報から読みどころを語るAI生成の対話です。Poko and TECH Dashboard's own TECH Guide discuss the article's highlights in an AI-generated conversation based on its summary and collected source details.
- ポコPoko会社のセキュリティ担当の仕事だと、普段の何が変わるの？脆弱性対応をAIに任せられるってこと？What changes in the day-to-day work of a security team? Can they leave vulnerability response to AI?
- TECHガイドTECH Guideこの記事では、脆弱性の発見、優先順位づけ、パッチ適用までを自律的につなぐとしておる。対応の一連の流れをAIが担う形じゃな。The article says the system autonomously links vulnerability discovery, prioritization, and patching. In other words, AI handles the workflow from end to end.
- ポコPokoへえ、すごい！でも前はできなかったの？今回、何が変わったんだろう。Wow, that's impressive! But was that impossible before? What actually changed this time?
- TECHガイドTECH Guide前は不可能だった、とまでは示されておらんよ。専用モデルがなかった状態から、自社モデルと90/10ルーティングで95.95%を主張したのが違いじゃ。The piece doesn't say it was impossible before. The difference is that Microsoft went from having no dedicated model to claiming 95.95% with its own model and 90/10 routing.
- ポコPokoつまり一番の収穫は、小型モデル単体の勝利じゃなく、仕事を振り分けるシステム全体で高得点を出したことなんだね！So the big takeaway isn't a small model winning alone. It's that the whole system scored highly by routing tasks intelligently!
- TECHガイドTECH Guideそうじゃ。発表上は最難関の10%をGPT-5.4に回し、コストも従来比半分としておるから、モデル単体と全体の性能を分けて見るべきじゃよ。Exactly. The announcement says the hardest 10% goes to GPT-5.4 and cost is halved, so we should keep the standalone model result separate from the full-system result.
