Vad som släpptes och vilken mättabell som ligger under

Microsoft tillkännagav den 27 juli MAI-Cyber-1-Flash, företagets första modell för artificiell intelligens byggd särskilt för cybersäkerhet. Bolaget beskriver den som en kompakt, tungt kodtränad modell ur MAI-Thinking-1-linjen, och den arbetar inte ensam. Den sitter inne i MDASH, selen av mer än 100 agenter som Microsoft använder internt för att hitta och åtgärda sårbarheter i programvara och som enligt bolaget hämtar från flera ledande modeller i stället för en.

Rubriksiffran är 96 procent på CyberGym, ett prov som mäter förmågan att hitta verkliga sårbarheter i verklig kod. Microsofts egen publicerade jämförelse placerar Anthropics Mythos på 83,6 procent, Gemini på 85,6 procent och GPT ensam på 84,4 procent, med en fjärde onämnd modell på 83,2 procent. Samma tillkännagivande säger att det nya spannet går på ungefär hälften av kostnaden för den uppsättning Microsoft levererar i dag. Satya Nadella framställde det som säkerhet på högsta nivå till halva priset.

Det kommersiella fordonet heter Project Perception och går in i öppen förhandsversion den 3 augusti inne i Microsoft Defender med priser efter förbrukning. Det samordnar tre klasser av agenter: röda agenter som kartlägger angreppsvägar, blå agenter som utreder och rangordnar risk, och gröna agenter som lägger in rättelser. Microsoft har inte publicerat taxor.

Besparingen är ett routningsbeslut, inte en bättre modell

Läser man arkitekturen slutar de 96 procenten vara ett påstående om förmåga. MAI-Cyber-1-Flash är byggd för att ta upp till 90 procent av arbetet inne i MDASH och för att skicka den svåraste tiondelen av uppgifterna vidare till OpenAIs GPT-5.4. Provresultatet är vad MDASH uppnår med de två körande tillsammans. Microsofts modell slår inte fronten, den hanterar volymen så att fronten bara behöver ta undantagen.

Det gör påståendet om kostnad mer intressant än påståendet om träffsäkerhet. De 50 procenten mäts mot den uppsättning Microsoft kör i dag och som bolaget självt anger som GPT-5.4, GPT-5.4 mini och GPT-5.3 codex. Med andra ord hittades besparingen genom att skjuta ut OpenAI ur de rutinmässiga nio tiondelarna av arbetet och behålla OpenAI för den svåra tiondelen. En leverantör sänker sin egen inköpsfaktura och skickar vidare en del. Det är ett fullgott skäl att köpa, men det är inte samma sak som en bättre detektor.

Följden ligger i undantagen. Den svåraste tiondelen av arbetet med sårbarheter är av konstruktion den del en billig modell inte kunde stänga: djupa logikfel och obekväma kodvägar. Den tiondelen hänger nu på att en frontmodell från tredje part förblir tillgänglig, förblir tillåten enligt dina egna regler och förblir prissatt som i dag. Ingen av de beroendena står i produktnamnet, och ingen av dem är din.

Avräkning efter förbrukning ändrar vad en säkerhetsbudget är

Prismodellen förtjänar lika mycket uppmärksamhet som själva modellen. Att betala efter förbrukning på ett system byggt för att utreda oavbrutet betyder att din säkerhetsutgift slutar följa antalet anställda eller licenser och börjar följa mängden som ska granskas. Ett stökigt landskap, ett stort monorepo, ett förvärv som fördubblar ditt antal enheter, en dålig månad med många larm: var och en har nu en direkt och omedelbar kostnad, eftersom agenterna svarar på signaler och inte på ett licensantal.

För en svensk finanschef är detta en förändring i prognosen och inte i en budgetrad. Säkerhet per arbetsplats är en fast kostnad man godkänner en gång om året i kronor och sedan glömmer. Agentbaserad säkerhet efter förbrukning är en rörlig kostnad som stiger exakt när du redan är pressad, vilket är det sämsta möjliga sambandet för en budget. Det är också ögonblicket när ingen vill vara den som strypte säkerhetsverktyget för att nå ett tal.

Inget av detta talar mot att köpa. Det talar för att köpa med ett tak, ett larm och en ansvarig. Begär mätarens definition skriftligt innan förhandsversionen öppnar, kom överens om ett internt tak som utlöser ett samtal och inte en avstängning, och utse en person som följer kurvan under första kvartalet.

Frågan som måste avgöras före 3 augusti

I de flesta leverantörsförteckningar står nu ett föråldrat svar. Omfattas du av NIS2 eller DORA förväntas du veta vem som behandlar din säkerhetstelemetri och dina fynd om sårbarheter. En sele av mer än 100 agenter som använder flera ledande modeller innebär att det ärliga svaret rymmer minst två modelleverantörer, varav en konkurrerar med det bolag som säljer dig produkten. Skriv ner det innan en revisor frågar.

Tre praktiska steg denna vecka. Fråga din Microsoft-återförsäljare om förbrukningen i Project Perception avräknas inom ditt befintliga Defender-åtagande eller mot en separat mätare, och få det skriftligt före den 3 augusti. Fråga vilka modellklasser som hanterar vidareskickade fynd och om du kan begränsa vidareskickningen av policyskäl. Kontrollera sedan om dina interna regler om att sända kod eller sårbarhetsdetaljer till en tredjepartsmodell skrevs utifrån antagandet att din säkerhetsleverantör var ett enda personuppgiftsbiträde.

Detta resultat kommer att citeras för dig hela det kommande året. Behandla de 96 procenten som ett spanns egendom och inte en produkts, och prissätt spannet därefter.

Läs vidare: Microsoft tränade sina säljare att kalla Claude långsammare  |  Två AI-jättar vill nu bli din integrator