Microsoft가 Microsoft의 MAI-Cyber-1-Flash를 다중 에이전트 취약점 식별·수정 하네스인 MDASH 안에 넣는다고 발표했어.1 MAI-Cyber-1-Flash는 보안 작업의 최대 90%를 처리하고, MDASH는 나머지 10%의 아주 어려운 작업에 GPT-5.4를 사용할 수 있다는 구조야.2
90%는 작은 모델, 10%는 큰 모델
Microsoft는 이 결합이 주요 모델 대비 50% 비용으로 세계적 수준의 성능을 낸다고 말해.3 기존 MDASH의 GPT-5.4·GPT-5.4 mini·GPT-5.3 Codex 조합과 비교해도 비용을 50% 줄일 수 있다고 설명해.4
통합 MDASH 시스템은 CyberGym에서 96%를 기록했고, Microsoft는 이 점수가 Mythos보다 12포인트 높다고 보고했어.5 비용 절감과 벤치마크 성과 모두 Microsoft가 발표한 수치라는 점은 함께 봐야 해.35
모델 하나가 아니라 여러 에이전트
MDASH에는 여러 선도 모델을 쓰는 100개 이상의 에이전트가 취약점을 찾고, 검증하고, 수정하는 데 사용된다고 Microsoft는 말해.6 MAI-Cyber-1-Flash는 MAI-Thinking-1 계보에서 파생된 소형 코드 중심 보안 모델이며, Microsoft가 자체적으로 처음부터 구축했다고 설명해.7
이 발표에는 Perception도 함께 등장해.8 Microsoft는 Perception을 보안 워크플로를 계속 모니터링하고 패치하며 새로운 위협 경로를 닫는 에이전트형 보안 시스템으로 소개했어.8
기업용 보안의 조건은 따로 있어
MDASH의 기업용 통제에는 역할 기반 통제, 테넌트 격리, 암호화, 감사 가능성, 인터넷에 연결되지 않은 샌드박스 실행 환경이 포함된다고 Microsoft는 설명해.9 Microsoft는 AI Red Team, 자동화·전문가 주도 적대적 훈련, 제3자 평가도 거쳤다고 말해.10
Microsoft는 매일 100조 개가 넘는 보안 신호와 160만 고객의 운영 인사이트를 보유한다고 설명해.11 이 데이터를 강화학습 루프에 연결해 사이버 모델을 계속 개선하겠다는 계획도 밝혔어.12
이 발표는 작은 모델의 처리 비중, 어려운 작업에 투입되는 GPT-5.4, 여러 에이전트의 역할 분담, 기업용 통제를 한 묶음으로 제시해.269 성과 수치뿐 아니라 어떤 모델과 시스템을 어느 업무에 배치하는지를 함께 설명한 발표야.
각주
-
Microsoft AI, 「Introducing MAI-Cyber-1-Flash inside MDASH」(2026-07-27) 공식 발표 ↩︎
-
같은 공식 발표. MAI-Cyber-1-Flash가 최대 90%의 작업을 처리하고 MDASH가 나머지 10%에 GPT-5.4를 사용할 수 있다는 설명. ↩︎ ↩︎2
-
같은 공식 발표. 결합 시스템이 주요 모델 대비 50% 비용으로 성능을 낸다는 Microsoft의 설명. ↩︎ ↩︎2
-
같은 공식 발표. 기존 MDASH의 GPT-5.4·GPT-5.4 mini·GPT-5.3 Codex 조합 대비 비용 50% 절감이라는 설명. ↩︎
-
같은 공식 발표. 통합 MDASH 시스템의 CyberGym 96%와 Mythos 대비 12포인트 우위에 관한 Microsoft의 보고. ↩︎ ↩︎2
-
같은 공식 발표. MAI-Thinking-1 계보, 코드 중심 모델, 자체 구축에 관한 설명. ↩︎
-
같은 공식 발표. Perception의 지속적 모니터링·패치·위협 경로 종료 기능에 관한 설명. ↩︎ ↩︎2
-
같은 공식 발표. 역할 기반 통제·테넌트 격리·암호화·감사 가능성·인터넷 비연결 샌드박스에 관한 설명. ↩︎ ↩︎2
-
같은 공식 발표. AI Red Team, 적대적 훈련, 제3자 평가에 관한 설명. ↩︎
-
같은 공식 발표. 하루 100조 개 이상의 보안 신호와 160만 고객 운영 인사이트에 관한 설명. ↩︎
-
같은 공식 발표. 보안 데이터와 강화학습 루프를 통한 지속 개선이라는 Microsoft의 계획. ↩︎
댓글