Microsofts MAI-Cyber-1-Flash: Was der neue Cybersecurity-Test wirklich aussagt
Dieser Text wurde (ganz oder teilweise) mit Hilfe von KI erstellt.
Stand: 28.07.2026
Microsoft hat am 27. Juli 2026 mit MAI-Cyber-1-Flash sein erstes speziell für Cybersecurity-Aufgaben entwickeltes KI-Modell vorgestellt. Es arbeitet nicht als eigenständiges Produkt, sondern innerhalb von MDASH. Dieses System koordiniert nach Angaben des Unternehmens mehr als 100 spezialisierte KI-Agenten, die Quellcode untersuchen, mögliche Schwachstellen diskutieren, doppelte Funde aussortieren, Fehler nachweisen und Korrekturen vorbereiten.
Die technische Idee besteht darin, nicht jede Aufgabe an ein besonders großes und teures Modell zu senden. MAI-Cyber-1-Flash soll bis zu 90 Prozent der Arbeit übernehmen. Die schwierigsten Fälle werden innerhalb von MDASH an GPT-5.4 weitergereicht. Microsoft beschreibt das neue Modell als sparsames System mit 137 Milliarden Gesamtparametern, von denen bei einer Berechnung fünf Milliarden aktiv sind. Für Laien ist vor allem wichtig: Der veröffentlichte Spitzenwert gehört nicht dem neuen Modell allein, sondern der gesamten Kombination aus MAI-Cyber-1-Flash, GPT-5.4 und dem MDASH-Arbeitsablauf.
Nach Angaben von Microsoft erreichte diese Kombination 95,95 Prozent im CyberGym-Test. In der vom Unternehmen veröffentlichten Gegenüberstellung lagen GPT-5.5 Cyber, Mythos 5, GPT-5.6 Sol und Gemini 3.5 Flash Cyber zwischen 83,2 und 85,6 Prozent. Microsoft meldet außerdem eine Kostenersparnis von rund 50 Prozent gegenüber seiner bisher besten MDASH-Konfiguration.
Diese Zahlen benötigen jedoch eine sorgfältige Einordnung. CyberGym enthält 1.507 bekannte Schwachstellen aus 188 Open-Source-Projekten. In der wichtigsten Teststufe erhalten die KI-Agenten eine Beschreibung der Schwachstelle und den ungepatchten Quellcode. Anschließend sollen sie einen funktionierenden Machbarkeitsnachweis erzeugen, der den bekannten Fehler reproduziert. Der Test misst damit nicht unmittelbar, wie zuverlässig ein System unbekannte Sicherheitslücken ohne Hinweise entdeckt. Er beweist auch nicht, dass automatisch erzeugte Patches korrekt und frei von Nebenwirkungen sind.
Zum Stand vom 28. Juli 2026 war der von Microsoft gemeldete Wert von 95,95 Prozent auf der öffentlich einsehbaren CyberGym-Rangliste noch nicht aufgeführt. Sowohl Decrypt als auch The Hacker News kennzeichnen das Ergebnis deshalb als Herstellerangabe. Auch die versprochene Kostenersparnis lässt sich derzeit nicht unabhängig nachrechnen, weil Microsoft keine vollständigen Angaben zu Tokenverbrauch, Zahl der Modellaufrufe, Rechenzeit und Aufgabenverteilung veröffentlicht hat.
Für Unternehmen ist außerdem wichtig, dass MAI-Cyber-1-Flash zunächst nur eingeschränkt verfügbar ist. Microsoft bietet das Modell in einer privaten Vorschau innerhalb von MDASH an. Der Zugang ist wegen der möglichen missbräuchlichen Nutzung leistungsfähiger Cybersecurity-Werkzeuge beschränkt und erfordert zusätzliche Prüfungen. Microsoft weist in der Modellbeschreibung selbst darauf hin, dass erzeugte Texte und Codes fehlerhaft oder unvollständig sein können und vor einem produktiven Einsatz von Fachleuten geprüft und getestet werden müssen.
Das Ergebnis zeigt dennoch einen wichtigen Trend: Bei der automatisierten Suche nach Sicherheitslücken zählt nicht nur die Leistung eines einzelnen KI-Modells. Ebenso entscheidend sind die Auswahl des passenden Modells für jede Aufgabe, die Zusammenarbeit spezialisierter Agenten und eine technische Prüfung, ob ein gemeldeter Fehler tatsächlich ausgelöst werden kann. Microsofts Ansatz ist daher vielversprechend, aber der neue Spitzenwert ist noch kein unabhängiger Beweis für eine allgemeine Überlegenheit im praktischen Einsatz.
Quellen
Quelle 1: Introducing MAI-Cyber-1-Flash inside MDASH. Mustafa Suleyman und Hayete Gallot, Microsoft AI. URL: https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/ Veröffentlichungsdatum: 27.07.2026.
Quelle 2: MAI-Cyber-1-Flash Model Card. Microsoft Ireland Operations Limited, Microsoft AI. URL: https://microsoft.ai/pdf/MAI-Cyber-1-Flash-Model-Card.pdf Veröffentlichungsdatum: 27.07.2026.
Quelle 3: What’s new in Microsoft Security Exposure Management. Microsoft. URL: https://learn.microsoft.com/en-us/security-exposure-management/whats-new Veröffentlichungsdatum: nicht angegeben. Abrufdatum: 28.07.2026.
Quelle 4: Defense at AI speed: Microsoft’s new multi-model agentic security system tops leading industry benchmark. Taesoo Kim, Microsoft Security Blog. URL: https://www.microsoft.com/en-us/security/blog/2026/05/12/defense-at-ai-speed-microsofts-new-multi-model-agentic-security-system-tops-leading-industry-benchmark/ Veröffentlichungsdatum: 12.05.2026.
Quelle 5: CyberGym: Evaluating AI Agents‘ Real-World Cybersecurity Capabilities at Scale. Zhun Wang, Tianneng Shi, Jingxuan He, Matthew Cai, Jialin Zhang und Dawn Song, UC Berkeley. URL: https://www.cybergym.io/cybergym/ Veröffentlichungsdatum: nicht angegeben. Abrufdatum: 28.07.2026.
Quelle 6: CyberGym: Evaluating AI Agents‘ Real-World Cybersecurity Capabilities at Scale. Zhun Wang, Tianneng Shi, Jingxuan He, Matthew Cai, Jialin Zhang und Dawn Song. URL: https://arxiv.org/abs/2506.02548 Veröffentlichungsdatum: 03.06.2025.
Quelle 7: Microsoft Says New Cybersecurity AI Model Helps MDASH Score 95.95% at Half the Cost. Swati Khandelwal, The Hacker News. URL: https://thehackernews.com/2026/07/microsoft-says-new-cybersecurity-ai.html Veröffentlichungsdatum: 28.07.2026.
Quelle 8: Microsoft Says MDASH Beats Claude Mythos and GPT-5.6 Sol in Cybersecurity Test. Jose Antonio Lanz, bearbeitet von Guillermo Jimenez, Decrypt. URL: https://decrypt.co/374441/microsoft-mdash-beats-claude-mythos-gpt-5-6-sol-cybersecurity Veröffentlichungsdatum: 27.07.2026.
Quelle 9: Microsoft unveils new cyber model, agentic security tools to fight hackers. Sam Sabin, Axios. URL: https://www.axios.com/2026/07/27/microsoft-unveils-new-cyber-model-agentic-security-tools-to-fight-hackers Veröffentlichungsdatum: 27.07.2026.