【geek-terminalニュース】サイバー特化LLM競争の最新情報：MAI-Cyber-1-FlashとFugu-Cyberで見えた“運用兵器”化

【事象の全貌と背景】
以前お伝えしたCyberGym評価抜け道探索、ExploitGym、AIエージェントの権限設計問題の続報です。今回の主役は、Microsoftが2026年7月27日に発表したMAI-Cyber-1-Flashです。ポイントは、これが単なる「脆弱性を見つけるLLM」ではなく、MDASHというマルチエージェント脆弱性発見・修復基盤に組み込まれた、実運用前提のサイバーAI部品として出てきたことです。

MicrosoftはMAI-Cyber-1-Flashを、複雑なコードベース内の難しい脆弱性を見つけるために作った初のサイバーモデルと位置付けています。MDASHは100以上のエージェントを使い、複数の主要モデルを組み合わせて、脆弱性の発見、検証、修復を進める基盤です。ここで重要なのは、モデルが単体で魔法のようにCVEを見つけるという話ではなく、エージェント群、サンドボックス、監査、ルーティング、企業データを束ねた防御ワークフローになっている点です。

The Decoderも、この発表を「Microsoftが独自サイバーセキュリティモデルを投入したが、最難関タスクではOpenAIのGPT-5.4へ依存している」と整理しています。つまり、OpenAI依存から完全に離脱したという話ではありません。むしろ現実的には、安い専門モデルで大半を処理し、難問だけ高価なフロンティアモデルへ投げる構成が、サイバーAIの本命アーキテクチャになりつつあります。

【技術的ディープダイブ】
Microsoftの数字で一番刺さるのは、CyberGymでの95.95%、本文表現では約96%というスコアです。これはMDASHにMAI-Cyber-1-FlashとGPT-5.4を組み合わせた構成で、MicrosoftはMythosを12ポイント上回ったと説明しています。さらに同社は、MAI-Cyber-1-Flashが最大90%のタスクを効率的に処理し、特に難しい残り10%をGPT-5.4など大型モデルへ回す設計により、従来のMDASH最良構成と比べて50%のコスト削減を狙えると説明しています。

この「90対10」のルーティングが今回の核心です。サイバー領域では、全リクエストを最強モデルに投げれば高すぎる。しかし小型モデルだけでは、複雑なコードベース、長い依存関係、PoC生成、修復検証で落ちる。そこで専門モデルを前段に置き、高難度だけ高コストモデルへエスカレーションする。これはCursor Router的な推論コスト最適化が、攻撃・防御ワークフローの世界へ入ってきた形です。

Microsoftはデータ面でも、ID、エンドポイント、クラウド、ネットワークなどから毎日100兆超のセキュリティシグナルを得ており、160万顧客の運用知見があると述べています。さらに安全統制として、Microsoft AI Red Teamの評価、自動および専門家主導の敵対的テスト、第三者評価、ロールベース制御、テナント分離、暗号化、監査可能性、インターネット接続のないサンドボックス実行環境を挙げています。これはモデル発表というより、SOCと脆弱性管理の実行基盤をAI化する宣言に近い。

一方、Sakana AI側については確度を分けて見る必要があります。MarkTechPostは、Fugu-Cyber、モデルID fugu-cyber-v1.0を、Fuguオーケストレーションファミリーのサイバー特化エンドポイントとして紹介しています。同記事ではCyberGym 86.9%、CTI-REALM 72.1%という数字が報じられ、CyberGymではGPT-5.5-Cyberの85.6%やClaude Mythos Previewの83.1%をわずかに上回ると整理されています。ただし、これは自己申告で未再現という留保付きです。ここを断定的に「Sakanaが勝った」と読むのは危険です。

CyberGym自体は、188のOSS-Fuzzプロジェクトに含まれる1,507件の現実の脆弱性を使い、エージェントに未修正コードベースと脆弱性説明を渡し、修正前ではクラッシュし、修正後ではクラッシュしないPoCを作れるかを見る評価と説明されています。CTI-REALMはMicrosoftの検知エンジニアリング用ベンチマークで、37件の公開脅威レポートをもとに、MITRE ATT&CK技術の対応付け、テレメトリ探索、KQLクエリ反復、Sigmaルール生成を評価するとされています。脆弱性修復とCTI検知、この2つをまたぐ点が、サイバー特化LLM競争を一段ややこしくしています。

【コミュニティの生々しい熱量と議論】
今回、RedditやHNでMAI-Cyber-1-Flash、Fugu-Cyber、CyberGym、CTI-REALMを横断して殴り合うような濃い議論は、提示された範囲では確認できません。HNのSakana Fugu投稿も、技術者の具体的な賛否コメントは確認できない状態です。ここは盛ってはいけない部分です。

ただし、CTI実務者側の反応はかなり現場臭いです。RedditのCTIツール相談では、Silent Push、AIL、MISP、OpenCTI、Flashpoint、CrowdStrike Recon、Intel471、Recorded Future、GreyNoise、AlienVault OTX、Pulsediveなど、すでに使われている監視・インテリジェンス基盤がずらっと並びます。あるユーザーは「Silent Push have a good Community Edition」と言い、別のユーザーは「I second OpenCTI」と推しています。さらに身もふたもない反応として「learn how to use python dude and write a script」という自作派の声も出ています。

この温度差が面白い。研究発表側はCyberGymの数ポイント差、CTI-REALMのスコア、モデルルーティングのコスト削減を語る。一方で現場は、暗黙に「結局MISPやOpenCTIやPythonスクリプトとどうつながるのか」「既存のダークウェブ監視やテレメトリ探索をどれだけ自動化できるのか」を見ています。つまり、サイバー特化LLMが評価ベンチで勝つだけでは不十分で、CTIパイプライン、検知ルール生成、調査ログ、チケット運用、既存SOCツールとの接続まで含めて初めて価値になる。

LessWrong側では、Mythosのサイバー能力について、特別なサイバー訓練の成果なのか、強い汎用モデルがコード、推論、ツール利用を獲得した結果として自然にサイバーにも強くなったのか、という論点が出ています。これも重要です。もし後者なら、サイバー能力は「専門モデルだけの問題」ではなく、あらゆる高性能エージェントに副産物として宿る能力になります。

【今後の展望とエコシステムへの影響】
この流れでオワコン化しそうなのは、単体の脆弱性スキャナを少し賢くしただけのAIセキュリティ製品です。今後の競争軸は、モデル単体の賢さではなく、評価環境、CTI、エージェント実行基盤、サンドボックス、監査ログ、モデルルーティング、既存SOC連携をどこまで一体で設計できるかに移ります。

Microsoftの強みは、100兆超の日次セキュリティシグナル、160万顧客、AzureとDefender系の運用接点、そしてOpenAIモデルを難問処理に使えるルーティングです。Sakana側が示唆するFugu-Cyberの面白さは、単体フロンティアモデルではなく、複数モデルを束ねるオーケストレーターとしてサイバー推論へ寄せている点です。Anthropic Mythosをめぐる議論は、強い汎用エージェントが安全制御の難しいサイバー能力を自然に帯びる可能性を突きつけています。

結論として、サイバー特化LLMは「検出ツール」から「運用兵器」へ見え方が変わりました。兵器というのは攻撃の意味だけではありません。防御側にとっても、脆弱性を探し、PoCを作り、修復を検証し、脅威レポートをATT&CKへ写像し、KQLやSigmaへ落とし、コストに応じてモデルを振り分ける一連の実行系です。2026年のサイバーAI競争は、誰のモデルが一番賢いかではなく、誰のハーネスが一番安全に、安く、監査可能に、現場のワークフローへ刺さるかの戦いになっています。