CrowdStrike SafeMind vs MAI-Cyber-1-Flash：兩個僅防禦模型，一個閉環系統

CrowdStrike SafeMind 與 Microsoft 的 MAI-Cyber-1-Flash 屬於同一個新興俱樂部：以防禦優先為設計的網路安全模型。在這些模型中，無法產生可運作的漏洞利用程式並非能力缺失，而是刻意的設計選擇。MAI-Cyber-1-Flash 於 2026 年 7 月 27 日發表，是 Microsoft 的第一款安全模型——這是一個 1,370 億參數的混合專家模型，每次推論啟動 50 億參數，由 MAI-Thinking-1 系列微調而來，並嵌入 MDASH 代理程式框架中。CrowdStrike SafeMind 在 Fal.Con 2026 上推出，是 CrowdStrike 與 NVIDIA 基於開放式 NVIDIA Nemotron 基礎所打造的代理式安全系列，在 Falcon 平台內將攻擊型的 Red Tempest 與防禦型的 Blue Solano 配對成一個持續循環。兩者都拒絕打造漏洞利用程式；有趣的問題在於，分數還是循環，哪一種才是更佳的防禦證明。

兩名防守者，構造不同

微軟的架構重點在於路由調度。MAI-Cyber-1-Flash 是精簡且針對程式碼最佳化的專門模型，在 MDASH 內處理大部分例行性的弱點工作，並將最棘手的案件交由前沿模型——OpenAI 的 GPT-5.4——處理，約占前 10% 的任務。這種雙模型分工取代了先前 MDASH 模型組合中 80% 的部分，微軟表示，成本降低約 50%，同時將系統的 CyberGym 分數從 88.4% 提升至 95.95%。該模型本身被設計為純防禦工具：它能識別並修補弱點，而且在所有 ExploitGym 類別中刻意取得零分——依其建構本質，不會產生任何可用的漏洞攻擊程式。

CrowdStrike 的架構就是一個循環故事。SafeMind 的 Red Tempest 模擬 AI 對手，Blue Solano 部署經過實戰考驗的防禦措施，而測試平台持續以 Falcon 遙測資料運行這些措施，並將結果回饋，讓兩者共同進步——這就是共同演化循環。NVIDIA 的 Nemotron 3 Ultra 負責編排防禦測試平台，而經過微調的 Nemotron 3 Super 則驅動規則生成。Microsoft 在兩個模型之間路由以節省成本，而 CrowdStrike 則是讓兩個模型互相對抗以提升偵測能力。

主張與分數

MAI-Cyber-1-Flash 擁有更具體的證據，因此需要更大的警示。95.95% 是 MDASH 系統的 CyberGym Level 1 分數——即模型、測試框架（harness）與 GPT-5.4 的組合配置，而非獨立模型的分數。CyberGym L1 測試的是已知漏洞的重現：根據描述和未修補的原始碼生成可運作的概念驗證（PoC）程式碼，而非盲目的漏洞發現或修補正確性。截至該模型發布時，此結果並未出現在公開的 CyberGym 排行榜上；該排行榜仍顯示微軟先前提交的 88.4% MDASH 成績。微軟亦報告了 CVEBench 0.314、CyberSecEval4 0.553 及 CRSBench 0.651——這些皆為廠商自行發布的數據。

SafeMind 的證據較不具體，也較難查核。CrowdStrike 報告指出，與領先的前沿模型和開源基準相比，其偵測率提高 29%、端到端修復速度快 6 倍，並在偵測與修復上節省 99% 成本；NVIDIA 則報告 Blue Solano 模型在內部評估中以 99% 更低的成本達到了比領先前沿模型更高的準確度。然而，沒有任何公開分數可與 95.95% 並列——沒有 CyberGym 參賽紀錄、沒有已發布的發現清單、也沒有排行榜上的蹤跡。一個系統公布數字，另一個系統公布機制；兩者皆未經獨立驗證。

• 偵測與分診 — SafeMind 的 Blue Solano 從 Falcon 遙測資料中產生偵測候選項目，並將通過驗證者升級為可實際運作的偵測；MAI-Cyber-1-Flash 針對 MDASH 中高度依賴程式碼的漏洞分析與修補程式分診進行了最佳化。

• 漏洞利用能力 — 兩者在設計上皆為零。MAI-Cyber-1-Flash 在 ExploitGym 各類別中得分皆為 0，作為明確的安全選擇；SafeMind 將其模型限制於防禦性產物，不具備自由形式的漏洞利用生成能力。

• 規格 — MAI-Cyber-1-Flash：總計137B / 5B 活躍 MoE，256K 上下文。SafeMind：參數數量未公開，上下文未公開。

• 價格 — MAI-Cyber-1-Flash 沒有公開的代幣價格，也沒有獨立的 API；SafeMind 的費用包含在 Falcon 平台內。

Access — 兩個私人預覽，一個開放式問題

這兩個模型都無法路由存取。MAI-Cyber-1-Flash 是 MDASH 的嵌入式元件，透過 Azure AI Foundry 私人預覽提供給經核准的 MDASH 客戶——沒有公開 API。SafeMind 原生運行於 Falcon 平台，獨立存取須經 Project QuiltWorks 授權。對於這兩個預覽方案之外的資安團隊而言，這些模型實際上可望而不可及：機制是公開的，但存取並非如此。

如今可調用的是兩家供應商都會繞道的通用前沿層級。在 OrcaRouter 上，Claude Opus 5以 Anthropic 的牌價上線：每百萬輸入 token 為 $5.00，每百萬輸出為 $25.00，零加價傳遞——這是一個 1M 上下文模型，其安全掃描工作負載是生產環境中使用最密集之一。GPT-5.6 Sol以每百萬輸入 $4.00、每百萬輸出 $20.00 緊隨其後。一個 API 金鑰就能存取兩者及超過 200 個其他模型，並可在各供應商之間自動故障轉移——這實際上就是 Microsoft 所述 MDASH 風格路由模式的實際替代方案，而且無需私人預覽。如果 MAI-Cyber-1-Flash 的啟示是「便宜的專門模型加上延後推出的前沿模型」才是安全工作的正確成本形狀，那麼這種形狀如今任何人都能取得——只要透過一個以供應商自身價格傳遞的路由器。