Si chiama MAI-Cyber-1-Flash ed è il nuovo modello sviluppato da Microsoft specificamente per identificare vulnerabilità all’interno di basi di codice complesse. Il modello debutta all’interno di MDASH, la piattaforma multi-agente dell’azienda dedicata all’identificazione, alla validazione e alla correzione automatica delle vulnerabilità software. L’obiettivo di Microsoft è sia aumentare l’efficacia delle analisi di sicurezza, sia ridurre sensibilmente i costi computazionali necessari per eseguire scansioni continue su infrastrutture enterprise.

Secondo Microsoft, il paradigma tradizionale della sicurezza informatica, basato su verifiche periodiche seguite da attività di patching pianificate, non è più sufficiente. L’intelligenza artificiale sta infatti abbassando drasticamente il costo necessario per trovare una singola vulnerabilità sfruttabile, consentendo agli aggressori di analizzare enormi quantità di codice in tempi sempre più ridotti. Di conseguenza, anche la difesa deve diventare continua, automatizzata e capace di reagire praticamente in tempo reale. Per rispondere a questa esigenza, MAI-Cyber-1-Flash è stato progettato come un modello compatto e altamente specializzato nell’analisi del codice sorgente. L’architettura deriva dalla famiglia MAI-Thinking-1, ma è stata addestrata utilizzando dati specifici per la sicurezza informatica e integrata con l’esperienza maturata da Microsoft nella gestione delle vulnerabilità su scala globale.

MDASH utilizza oltre cento agenti specializzati che collaborano tra loro per individuare falle di sicurezza, verificarne l’effettiva sfruttabilità e suggerire oppure applicare le relative correzioni. In questo modo il sistema può affrontare workflow complessi distribuendo i compiti tra modelli differenti in base alla loro specializzazione. Microsoft sottolinea che MAI-Cyber-1-Flash è stato progettato per gestire circa il 90% delle attività quotidiane di analisi, riservando i modelli più grandi e costosi come GPT-5.4, esclusivamente ai casi più complessi. Questo approccio consente di ottenere un importante vantaggio economico senza sacrificare la qualità dei risultati.

screenshot-microsoft.ai-2026.07.29-11_55_17

Secondo i dati diffusi dall’azienda, la nuova combinazione tra MAI-Cyber-1-Flash e GPT-5.4 raggiunge un’accuratezza pari al 96% nel benchmark CyberGym, uno dei principali test utilizzati per valutare la capacità dei modelli AI di individuare vulnerabilità reali all’interno di codebase di grandi dimensioni. Microsoft sostiene inoltre che questa configurazione supera le prestazioni ottenute da modelli concorrenti come Mythos, Gemini e GPT utilizzati singolarmente. Oltre alle prestazioni, uno degli aspetti maggiormente evidenziati riguarda l’efficienza economica. Grazie all’utilizzo di un modello leggero per la maggior parte delle elaborazioni, Microsoft dichiara una riduzione dei costi pari al 50% rispetto alla precedente configurazione di MDASH basata esclusivamente sui modelli GPT-5.4, GPT-5.4 mini e GPT-5.3 Codex.

Insieme al nuovo modello, Microsoft ha annunciato anche Perception, un sistema di sicurezza agentica destinato ad ampliare ulteriormente le capacità di automazione della piattaforma. L’obiettivo è mettere a disposizione dei team SOC gruppi di agenti AI in grado di monitorare costantemente infrastrutture, individuare nuove superfici di attacco, applicare correzioni e ridurre automaticamente i rischi emergenti. L’azienda individua tre elementi fondamentali alla base della propria strategia: modello, dati e piattaforma operativa. Il modello rappresenta naturalmente il motore dell’intelligenza artificiale, ma Microsoft attribuisce un’importanza ancora maggiore all’enorme patrimonio informativo accumulato nel corso degli anni. Ogni giorno infatti i sistemi di sicurezza dell’azienda elaborano oltre 100 trilioni di segnali provenienti da identità digitali, endpoint, reti, ambienti cloud e applicazioni distribuite in tutto il mondo.

A questa mole di dati si aggiunge l’esperienza raccolta attraverso il Microsoft Security Response Center, che consente di osservare l’intero ciclo di vita delle vulnerabilità dalla scoperta iniziale agli exploit realmente utilizzati, fino all’efficacia delle contromisure distribuite. È proprio questa capacità di collegare gli attacchi alle rispettive attività di mitigazione che, secondo Microsoft, alimenta un ciclo continuo di apprendimento basato sul reinforcement learning. Grande attenzione è stata riservata anche agli aspetti legati alla sicurezza del modello stesso. Trattandosi della prima AI proprietaria sviluppata specificamente per la cybersecurity, Microsoft afferma di aver adottato un approccio “security by design” durante tutte le fasi del progetto. MAI-Cyber-1-Flash è stato infatti sottoposto a test condotti dall’AI Red Team interno, a simulazioni di attacco automatizzate e a verifiche indipendenti effettuate da soggetti terzi prima della distribuzione ai clienti.

Sul fronte operativo, MDASH integra inoltre una serie di controlli pensati per le grandi organizzazioni, tra cui gestione granulare dei permessi basata sui ruoli, isolamento dei tenant, cifratura dei dati, registrazione delle attività di auditing ed esecuzione degli agenti in ambienti isolati privi di accesso diretto a Internet.