Microsoftが2026年11月17日に発表したMAI Cyber 2 Flashは、セキュリティ調査を24時間回すための専門モデルです。注目点は、CyberGym-E2Eで92.3%のタスク成功率を示し、GPT-6 Astraの91.5%を上回りながら、同評価でのタスク単価が2%未満とされていることです。100万トークンのコンテキストも備えるため、AI開発基盤、SOC、脆弱性診断の担当者は「大きな汎用モデルを常時回す」設計を見直すタイミングです。
HelloCraftAIでは、AIエージェントのセキュリティ設計、モデル選定、PoC設計をまとめて相談できます。自社のSOCや開発基盤に専門モデルを入れる前に、ログ、権限、費用上限、評価指標を整理したい場合は お問い合わせください 。
MAI Cyber 2 Flashとは?
MAI Cyber 2 Flashは、Microsoft AIが発表したセキュリティ特化モデルです。用途は、脆弱性の発見、修正案の提示、脅威調査、検知ルール作成など、セキュリティチームが継続的に処理する業務に寄っています。Microsoftは、汎用モデルをすべてのステップで使うのではなく、実務タスクに合わせた専門モデルを低コストで回す狙いを示しています。
提供面では、単体APIとして広く開放されるというより、Microsoft security products内で使われる位置づけです。公式発表では、Codename MDASHを含むMicrosoftのセキュリティ製品に入り、対象顧客には12月中旬からMAI profileの既存モデルを自動的に置き換える予定と説明されています。導入担当者は「今すぐ全社標準にする」より、既存のMicrosoftセキュリティ製品内でどのワークロードに適用されるかを確認するのが現実的です。
何が変わる?5項目の導入チェック
1つ目は、24時間稼働のセキュリティAIを費用面から再設計できる点です。CyberGym-E2Eの公式比較では、MAI Cyber 2 FlashはGPT-6 Astraより高い成功率を示し、評価上のコストは2%未満です。監視、 triage、修正候補の生成を常時回したい組織ほど、モデル単価ではなく「1件の調査を終える費用」で比較する必要があります。
2つ目は、100万トークンのコンテキストを前提に、単一ファイルではなくコードベース単位の調査を設計できる点です。公式発表では、前世代のMAI Cyber 1.1 Flashより4倍大きいコンテキストとして説明されています。AIコーディング環境、IaC、認証基盤、CI/CD設定をまとめて読ませる場合、投入範囲、秘密情報のマスキング、ログ保存期間を先に決める必要があります。
3つ目は、検知ルール作成と調査エージェントの両方に評価軸を置くことです。Microsoftは、Microsoft Perceptionの早期評価で、investigation agentとsecurity-detection authoring tasksにおいて主要モデルに近い性能を示したと述べています。SOCでは、検知ルールの精度、誤検知率、調査メモの再現性、担当者の承認率を分けて測るべきです。
4つ目は、既存のMDASHやMicrosoft製品内での置換影響を棚卸しすることです。12月中旬以降にeligible customersで自動置換されるなら、モデル変更前後で同じアラート、同じリポジトリ、同じ脆弱性サンプルを使って比較する準備が必要です。出力の粒度、修正提案の安全性、担当者がレビューに使う時間を変更前から記録しておくと、導入効果を説明しやすくなります。
5つ目は、ベンチマークの読み方です。MicrosoftはCyberGym-E2Eの905タスクのうち、訓練データと同じOSSプロジェクトや脆弱性レポートに基づく92タスクを除外し、残り813タスクで結果を報告したと説明しています。この注記は重要です。自社評価でも、公開済みCVEの解説を当てるだけでなく、社内コード、古い設定、実際の運用ログで再現性を確認しましょう。
費用と性能はどう見るべきか?
公式発表の価格比較では、MAI Cyber 2 Flashは100万トークンあたり入力0.10ドル、キャッシュ入力0.01ドル、出力0.50ドルのlist priceとして計算されています。一方、比較対象のGPT-6 Astra Azure OpenAI Globalは入力10ドル、キャッシュ入力1ドル、出力50ドルです。ここから、オフライン評価上のタスク単価が大きく下がるという説明につながっています。
ただし、公式も「customer spendではなくoffline evaluation cost」と明記しています。実運用では、製品ライセンス、ログ取り込み量、再試行回数、担当者レビュー、データ保持コストが乗ります。PoCでは、モデル価格だけでなく、1アラートを閉じるまでの総コスト、1つの検知ルールを本番投入するまでの時間、誤検知による運用負荷を同時に測るのが安全です。
30日PoCの進め方
最初の7日は、対象ワークロードを3つに絞ります。例として、依存ライブラリの脆弱性調査、Webアプリの再現手順作成、検知ルールのドラフト作成です。既存SOCのアラート全体に広げる前に、判断基準、入力データ、禁止情報、レビュー担当者を固定します。
8日目から21日目は、同じケースを人間のみ、既存モデル、MAI Cyber 2 Flashの3条件で比較します。成功率だけではなく、根拠の明確さ、危険な修正案の有無、担当者が差し戻した割合を記録します。100万トークンを使えるからといって全ログを入れるのではなく、投入量を3段階に分け、効果が伸びる境界を探します。
22日目から30日目は、本番化する条件を決めます。自動修正まで許可するのか、調査メモ作成までに留めるのか、検知ルールのPull Requestを作らせるのかでリスクは変わります。最初は「提案のみ」「人間承認必須」「外部送信なし」「月次で評価再計算」の4条件を標準にするのが無難です。
既存記事との差別化ポイント
MAI Code 2の記事は、開発者の日常的なコード生成コストとモデルルーティングが主題でした。MAI Cyber 2 Flashは、脆弱性探索、SOC調査、検知ルール作成のように、失敗時の影響が大きいセキュリティ運用が主題です。したがって、見るべき指標も「生成品質」だけではなく、誤検知、過剰修正、証跡、承認フロー、ログ取り扱いに変わります。
FAQ
Q. すぐにAPIで使えますか? A. 公式発表では、Microsoft security products内で提供され、Codename MDASHなどで対象顧客向けに既存モデルを置き換える予定とされています。単体API前提の記事ではなく、Microsoft製品内のセキュリティAI更新として読むのが安全です。
Q. GPT-6 Astraより常に優れていますか? A. いいえ。公式比較はCyberGym-E2Eなど特定のセキュリティタスクと構成における結果です。一般的な文章生成、研究、長期エージェント運用では別の評価が必要です。
Q. まず何を準備すべきですか? A. 既存のアラート、脆弱性チケット、検知ルール作成履歴から30件ほどを選び、入力データ、期待出力、人間レビュー基準を固定してください。モデルを比較する前に、評価セットを作ることが最初の仕事です。
まとめ
MAI Cyber 2 Flashは、セキュリティAIを「高性能な汎用モデルの一部利用」から「専門モデルを常時回す運用」へ近づける発表です。100万トークン、CyberGym-E2E 92.3%、タスク単価2%未満という数字は魅力的ですが、導入判断では自社の評価セット、Microsoft製品内での適用範囲、承認フロー、ログ設計を同時に確認する必要があります。2026年末に向けて、SOCとAI開発基盤の両方で小さく検証する価値があります。