Fotnoten är nyheten
Microsoft lanserade MAI Cyber 2 Flash den 17 november med ett huvudpåstående: på CyberGym-E2E, ett test för att hitta sårbarheter i verklig programvara, fick modellen 92,3 procent mot GPT-6 Astras 91,5, med halva resonemangsbudgeten och under 2 procent av kostnaden per uppgift.
Under det påståendet, i ett avsnitt med rubriken “Om dessa resultat”, berättar Microsoft något som leverantörer nästan aldrig erbjuder självmant. När företaget gick igenom sina CyberGym-E2E-resultat fann det att 92 av testets 905 uppgifter bygger på samma öppna projekt och sårbarhetsrapporter som delar av dess träningsdata. Företaget säger att testets referenslösningar aldrig användes i träningen, att det uteslöt de 92 uppgifterna för samtliga modeller och redovisade resultat på de återstående 813.
Varför det spelar roll
Ett test förlorar sin mening när modellen redan sett svaren. Det vanliga felet är tyst: leverantören kör sviten, publicerar siffran och ingen utifrån kan avgöra vilka poster som memorerats. Det Microsoft beskriver är den svagare formen av problemet – överlappande källprojekt snarare än läckta referenslösningar – och omräkningen gjordes symmetriskt, med samma uteslutning för konkurrenterna.

Det är också en frivillig nedskärning av uppgiftsmängden med 10 procent, på just det test som bär lanseringens mest aggressiva kostnadsjämförelse. Ett arXiv-utkast om testkontaminering som kom samma dag argumenterar för att precis denna sorts redovisning borde vara standard snarare än en fotnot.
Resten av påståendena
Microsoft säger att MAI Cyber 2 Flash också slår GPT-5.6 Cyber på CyberGym-E2E och på WebExploitBench vid samma resonemangsbudget, med 40,4 procent mot 38,4 på det senare. Modellen får ett kontextfönster på en miljon token, fyra gånger större än MAI Cyber 1.1 Flash, vilket enligt företaget låter den hålla mer av en kodbas under flerstegsutredningar.
Kostnadsjämförelsen vilar på listpriser som Microsoft publicerar i sina egna fotnoter: 0,10 dollar per miljon indatatoken, 0,01 för cachad indata och 0,50 för utdata för MAI Cyber 2 Flash, mot 10, 1 och 50 dollar för GPT-6 Astra på Azure OpenAI Global. Microsoft påpekar att siffrorna avser kostnaden för en utvärdering, inte kundens utgift. Kunden Insight Enterprises uppger att MAI-modellerna är 20 procent effektivare på token, mätt mot GPT 5.4, GPT 5.3 Codex och GPT 5.4 Mini.

Det som saknas
Microsoft har inte jämfört modellen med OpenAI:s nuvarande dedikerade säkerhetsmodell. Företaget säger att GPT-6 Cyber bara är tillgänglig för utvalda kunder, och att utvärdering på agentbaserade test med verktyg kräver ytterligare skyddsåtgärder som fortfarande byggs. Microsoft säger att jämförande resultat ska delas de närmaste veckorna.
Luckan spelar roll eftersom den jämförelse Microsoft faktiskt gör är mot GPT-6 Astra, en allmän toppmodell, inte mot en modell byggd för samma uppgift. OpenAI sa samma dag att båda GPT-6.2-modellerna når tröskeln Kritisk för cybersäkerhet i sitt beredskapsramverk och att standardbegränsningarna för hjälp med högre risk därför skärpts – vilket är en del av skälet till att ett likvärdigt test är svårt att köra.
MAI Cyber 2 Flash säljs inte som API-modell. Microsoft säger att den kommer uteslutande till företagets egna säkerhetsprodukter, däribland en som omtalas med kodnamnet MDASH, där den automatiskt ersätter den nuvarande modellen i MAI-profilen för berättigade kunder från mitten av december. Det som återstår att se är om någon utomstående kör om CyberGym-E2E på alla 905 uppgifter och publicerar skillnaden.