微軟與 Wiz 採用「專用模型搭配」打造掃漏 agent，在 CyberGym 成功率逾 90%
為何重要
這項技術進展揭示了未來 AI 開發的一個核心趨勢：從追求單一模型的全能，轉向「模型編排」（Model Orchestrator）以確保效能與成本平衡。對開發者而言，這意味著安全掃描將變得更便宜且更精準；從投資視角來看，能透過巧妙搭配中小型專用模型來達到頂級模型效能的解決方案，將是後市極具吸引力的商業模式。
Microsoft 與 Wiz 推出的多模型協同防禦系統表明，專為特定安全任務選配適合的 AI 模型（如 Claude Opus 4.6 與 GPT-5.5）能顯著優於單一大型語言模型的表現。
- Wiz 的 Project Atlas 整合 Claude Opus 4.6 與 GPT-5.5，在 CyberGym 基準測試中達到
90.9%的成功率，並在開源軟體中成功揭露超過 200 個零時差安全漏洞。 - Microsoft 的 MDASH 框架將
90%的安全檢測任務委派給內部模型 MAI-Cyber-1-Flash，餘下複雜任務則交給 GPT-5.4 處理，最終以95.95%的成績擊敗其他競品。 - 兩家公司均強調混合架構的經濟效益，在保持防護成效的同時，能將客戶成本降低約
50%。