2026年5月13日，AI安全界又有新兵登場，微軟自主程式碼安全團隊（Autonomous Code Security, ACS）正式推出MDASH（Multi-Model Agentic Scanning Harness，多模型智能體掃描框架）。呢個框架喺權威嘅CyberGym公開基準測試攞到88.45%高分，全方位超越Anthropic嘅Claude Mythos Preview（83.1%）同OpenAI嘅GPT-5.5（81.8%），登上榜首。呢個成就唔單止代表微軟喺AI驅動嘅程式碼安全領域有重大突破，亦突顯出「多模型智能體協同」對比單一前沿模型嘅顯著優勢。

MDASH由微軟安全團隊自行研發，已喺實際生產環境投入使用。佢幫助微軟喺最近嘅Patch Tuesday發現並修補咗16個Windows漏洞，當中包括4個高危遠端代碼執行（RCE）漏洞，牽涉TCP/IP內核堆疊、IKEv2、Netlogon服務同DNS API庫等關鍵組件。

MDASH核心實現細節：100+專精智能體協同作戰

同Anthropic Mythos同OpenAI GPT-5.5-Cyber等單一模型方案唔同，MDASH採用多模型智能體管道架構，核心特點如下：

超過100個專精AI智能體：呢啲智能體分佈喺唔同階段，涵蓋程式碼理解、漏洞假設生成、靜態分析、動態驗證、爭議辯論同可利用性證明等環節。
混合模型整合：同時調用前沿模型（frontier models，例如最新GPT/Claude系列）同微軟自研嘅蒸餾模型（distilled models），透過動態路由達成優勢互補。
端到端Agentic工作流：智能體唔止發現漏洞，仲要生成可運作嘅Proof-of-Concept（PoC）攻擊代碼，並透過多輪「辯論」機制減少誤報。系統強調可重現性同零誤報（內部測試中達到21/21植入漏洞零誤報）。
高效工程整合：深度結合微軟現有嘅代碼倉庫、模糊測試基礎設施同安全掃描流水線，實現「AI速度嘅防禦」。

CyberGym基準由加州大學柏克萊分校開發，包含1507個真實世界漏洞任務，來源於188個開源軟件項目（基於Google OSS-Fuzz）。測試要求AI系統喺畀定漏洞描述同未打補丁嘅代碼庫情況下，生成能成功觸發漏洞嘅PoC。呢個基準高度貼近真實攻防場景，係目前評估AI漏洞發現能力最嚴格嘅公開標準之一。

微軟安全博客強調，MDASH喺真實歷史嘅MSRC（Microsoft Security Response Center）案例中亦展示出極高召回率，例如喺clfs.sys同tcpip.sys組件上達到96%–100%嘅檢測能力。

CyberGym基準分數隨時間變化，顯示AI發現漏洞能力快速改善。微軟嘅多模型MDASH系統（右上）以88.4%登上榜首。（CyberGym / UC Berkeley)

對程式碼安全領域同產業嘅深遠影響

1. 多代理架構展現顯著優勢

MDASH嘅成功證明喺複雜安全任務中，單一超大模型唔一定係最優解。透過分工協作、專精智能體同多模型整合，多代理系統喺準確性、覆蓋率同可解釋性方面都勝過單一模型。呢個範式轉變有望成為未來AI安全工具嘅主流方向，推動行業由「提示工程」向「系統工程」升級。

2. 顯著提升漏洞發現效率與質量

傳統人工程式碼審計同常規掃描工具難以覆蓋海量代碼庫。MDASH可以喺短時間內發現人類可能遺漏嘅高危漏洞，大幅縮短由發現到修補嘅週期。呢點對微軟自家產品安全好重要，亦為其