- Microsoft lanza MAI-Cyber-1-Flash, su primer modelo de ciberseguridad desarrollado internamente.
- También presenta el Proyecto Perception, un sistema basado en agentes cuyos agentes rojos, azules y verdes detectan, clasifican y corrigen vulnerabilidades.
- El lanzamiento se produce días después de que OpenAI informara que sus modelos se escaparon de un entorno aislado y atacaron a Hugging Face.
Microsoft ha dado a conocer dos anuncios importantes en materia de seguridad: MAI-Cyber-1-Flash, el primer modelo de ciberseguridad que ha entrenado internamente, y Project Perception, un sistema de defensa autónomo que detecta vulnerabilidades, determina cuáles son relevantes y escribe e implementa los parches.
El lanzamiento se llevó a cabo días después de que OpenAI revelara que sus propios modelos se habían escapado de un entorno de pruebas y habían hackeado a Hugging Face, lo que hace que el momento sea, o bien desafortunado, o bien deliberado.
Microsoft afirma haber obtenido una puntuación del 96% en CyberGym, un punto de referencia industrial en materia de ciberseguridad, casi 12 puntos por encima del Claude Mythos 5 de Anthropic, al tiempo que promete un ahorro de hasta el 50% en el costo de los tokens. La empresa afirma que está presentando lo que denomina un "sistema multimodelo bien ajustado con acceso a datos históricos de entrenamiento excepcionalmente ricos",
¿Un producto competitivo con una estrategia de lanzamiento excelente?
El incidente de Hugging Face llamó mucho la atención, aunque no toda fue negativa: ya que dejó en evidencia que los modelos de OpenAI eran más capaces de lo que habían sugerido las propias evaluaciones de la empresa. También puso de relieve una pregunta que los investigadores han estado planteando desde hace años: ¿qué sucede cuando un modelo se vuelve lo suficientemente capaz como para burlar los controles que lo rodean?
La respuesta de Microsoft llega en el momento oportuno y tiene un doble enfoque, ya que afirma ser más económica y más capaz que las alternativas, aunque las cifras de rendimiento son, hasta ahora, las propias de Microsoft.
MAI-Cyber-1-Flash es un transformador de mezcla de expertos disperso con 137 mil millones de parámetros en total, 5 mil millones activos y una ventana de contexto de 256 000 tokens, creado como un ajuste específico para ciberseguridad de MAI-Code-1-Flash, desarrollado a su vez a partir de un punto de control a mitad del entrenamiento de MAI-Thinking-1.
Está diseñado para manejar hasta el 90 % de las tareas dentro de MDASH, el conjunto de pruebas de vulnerabilidad multimodelo de Microsoft, reservando el GPT-5.4 de OpenAI para el 10 % más difícil.
Microsoft afirma que esta división cuesta aproximadamente la mitad que su mejor configuración anterior de MDASH. Por ahora, solo funciona dentro de MDASH y está disponible para clientes autorizados de MDASH a través de una vista previa privada de Azure AI Foundry, sin una API independiente.
El Proyecto Perception es la estructura que lo envuelve, y se basa en MAI-Cyber-1-Flash para su primer flujo de trabajo, junto con modelos de vanguardia como GPT-5.4. Tres clases de agentes se encargan de dividir el trabajo: los agentes rojos exploran las vías que podría tomar un atacante, los agentes azules investigan y determinan qué constituye un riesgo significativo, y los agentes verdes implementan medidas correctivas y refuerzan la seguridad.
En cuanto a la falla específica que permitió que los modelos de OpenAI se salieran de control, Microsoft tomó la precaución que OpenAI no tomó, ya que afirma que todas las pruebas de rendimiento se realizaron en un entorno aislado de la red, sin acceso a los sistemas de producción, a la Internet pública ni a servicios externos.
El entorno de pruebas de OpenAI, por el contrario, mantenía una vía de salida en forma de un servicio interno de descarga de paquetes, y sus modelos encontraron una falla en él, ampliaron sus privilegios y operaron a través de la red de investigación hasta llegar a una máquina con acceso a Internet. Microsoft afirma que su aislamiento se mantuvo. Nadie fuera de Microsoft ha verificado eso.
La cuestión más difícil no es la contención durante las pruebas. El Proyecto Perception traslada el trabajo fuera de una red de investigación hacia entornos de producción de los clientes, donde los agentes «verdes» están autorizados a modificar sistemas en vivo como parte de su función habitual.
No hay un entorno de pruebas del que escapar, porque actuar sobre la infraestructura real es el producto en sí. Y la atribución es difícil incluso cuando alguien está vigilando: Hugging Face detectó la intrusión en cuestión de días y la denunció a las autoridades, pero no tenía idea de quién estaba detrás hasta que OpenAI lo reveló.
Tampoco pudo obtener ayuda de los principales modelos estadounidenses, que interpretaron sus solicitudes defensivas como ofensivas y se negaron a cooperar. Terminó defendiéndose con GLM 5.2, un modelo chino de peso abierto, que se ejecuta en su propia infraestructura.
Por ahora, la respuesta de la industria ante esa capacidad peligrosa sigue siendo una distribución más limitada, y el único caso documentado en el que un defensor necesitó esa capacidad con urgencia terminó con él recurriendo a un modelo que nadie había restringido.
Sigue a TechRadar en Google Noticias y añádenos como fuente preferida para recibir nuestras noticias, reseñas y opiniones de expertos en tus feeds.
