🗾ITmedia AI+ (日本)•較早收集於 79m
Microsoft 發布七款自研 AI 模型
💡Microsoft 正透過自研模型多元化其 AI 技術堆疊。看看這些模型是否能取代您目前的 API 依賴。
⚡ 30-Second TL;DR
有什麼變化
發布七款獨特的自研 AI 模型
為什麼重要
此舉標誌著 Microsoft 轉向垂直整合，減少對第三方模型供應商的依賴。這為開發者提供了更多專門的 Microsoft 原生工具，適用於企業應用。
下一步行動
查閱 Microsoft AI Models 文件，評估這些自研模型在您的工作流程中，是否比 OpenAI 模型具有更好的延遲表現或成本效益。
誰應關注：Developers & AI Engineers
關鍵要點
- •發布七款獨特的自研 AI 模型
- •包含專門的圖像處理功能
- •具備先進的語音識別技術
🧠 深度解析
Web-grounded analysis with 20 cited sources.
🔑 增強重點摘要
- •微軟發布的七款自研AI模型系列，涵蓋了MAI-Thinking-1（推理）、MAI-Image-2.5（圖像生成與編輯）、MAI-Transcribe-1.5（語音轉錄）、MAI-Voice-2（語音生成）及MAI-Code-1（程式碼生成）等多元功能，超越了原始文章中提及的圖像編輯與語音識別範疇。
- •此次發布標誌著微軟在AI領域追求「長期自給自足」的戰略轉變，旨在減少對OpenAI和Anthropic等合作夥伴模型的依賴，特別是考量到這些合作夥伴與Google、Amazon等競爭對手也有聯繫。
- •這些MAI模型已深度整合至微軟的產品生態系統中，例如PowerPoint、OneDrive、Copilot和VS Code，並可透過Microsoft Foundry和MAI Playground供開發者使用，部分模型也將在Fireworks AI、Baseten和OpenRouter等第三方平台提供。
📊 競品分析▸ Show
| 功能/指標 | Microsoft MAI 模型 | OpenAI (GPT系列) | Anthropic (Claude系列) | Google (Gemini系列) |
|---|---|---|---|---|
| 推理模型 | MAI-Thinking-1：中型模型，350億參數，256K上下文視窗，低token成本；盲測中優於Sonnet 4.6，程式碼能力與Opus 4.6相當。 | GPT-4o：旗艦模型，推理能力強，價格適中；GPT-4o Mini：輕量級，成本約為GPT-4o的1/15。 | Claude 3 Opus：旗艦模型，能力最強，成本最高；Claude 3.5 Sonnet：性能與價格平衡；Claude 3 Haiku：輕量級，適用於高吞吐量任務。 | Gemini Pro：處理大多數通用任務；Gemini Ultra：針對複雜推理。 |
| 圖像模型 | MAI-Image-2.5：支援文字轉圖像及圖像編輯，在圖像編輯排行榜上超越Google的Nano Banana Pro，位居第二。 | (未明確提及特定圖像模型，但GPT-4o具備多模態能力) | (未明確提及特定圖像模型) | Nano Banana Pro (被MAI-Image-2.5超越) |
| 語音轉錄 | MAI-Transcribe-1.5：號稱全球最佳轉錄模型，SOTA準確度，比競爭對手快五倍，支援43種語言。 MAI-Transcribe-1：在25種語言上表現卓越，WER低於4%，GPU成本比替代方案低約50%。 | GPT-Transcribe：WER為4.2%。 | (未明確提及特定轉錄模型) | Gemini 3.1 Flash：WER為4.9%。 |
| 語音生成 | MAI-Voice-2：支援15種額外語言及多種語音選項。 MAI-Voice-1：可在1秒內生成60秒音訊，強調自然、富有情感的語音。 | (未明確提及特定語音生成模型) | (未明確提及特定語音生成模型) | (未明確提及特定語音生成模型) |
| 程式碼生成 | MAI-Code-1：50億參數，推論效率高，專為GitHub Copilot和VS Code優化，比Haiku更便宜。 | (GPT系列模型廣泛用於程式碼生成) | Claude 3 Haiku (被MAI-Code-1-Flash提及為競爭對手) | (Gemini系列模型具備程式碼生成能力) |
| 定價 (部分舊模型) | MAI-Transcribe-1：每小時0.36美元；MAI-Voice-1：每百萬字元22美元；MAI-Image-2：文字輸入每百萬token 5美元，圖像輸出每百萬token 33美元。 | GPT-4o：輸入每百萬token 2.50美元。 | Claude 3 Opus：輸入每百萬token 15美元，輸出每百萬token 75美元。 | Gemini Pro：輸入每百萬token 0.50美元，輸出每百萬token 1.50美元。 |
🛠️ 技術深入
- MAI-Thinking-1: 微軟首個推理模型，為中型模型，擁有350億活躍參數和256K的上下文視窗，旨在實現高效率和高性能，同時強調低token成本。該模型從零開始訓練，未使用其他公司模型的蒸餾技術，專為處理複雜的多步驟指令、長上下文推理和程式碼生成而設計。
- MAI-Code-1-Flash: 一個推論高效的代理程式碼模型，擁有50億參數，專為GitHub Copilot、VS Code和微軟技術棧量身定制並深度整合。
- MAI-Image-2.5: 支援世界級的文字轉圖像和圖像編輯功能，包括其超高效的Flash變體。
- MAI-Transcribe-1.5: 具備最先進的準確性，比競爭模型快五倍，並內建支援43種語言的特定領域術語。
- MAI-Voice-2: 及其Flash變體，支援額外15種語言和多種語音選項。
- 訓練方法: 所有MAI模型均強調「從零開始訓練，零蒸餾」，使用企業級、乾淨且商業授權的數據，以確保數據血緣的清晰性。
- 基礎設施支援: 微軟同時推出了Surface RTX Spark Dev Box，這是一款搭載Nvidia Blackwell架構RTX Spark處理器和128GB統一記憶體的緊湊型桌面電腦，能夠在本地運行超過1200億參數的AI模型，無需依賴雲端GPU實例。
🔮 前景展望AI analysis grounded in cited sources
微軟將大幅降低對第三方AI模型的依賴。
此次發布明確表達了微軟追求「長期自給自足」的目標，並積極開發涵蓋多種模態的內部模型，以減少對外部合作夥伴的依賴。
「代理優先」（agent-first）的範式將成為微軟軟體生態系統的核心。
微軟正將Windows定位為AI代理的運行平台，推出Microsoft Scout等工具，並開發基於Android的代理作業系統Project Soltera，預示著AI將從輔助工具轉變為自主執行任務的角色。
微軟將推動企業用戶AI推論成本的下降。
MAI-Thinking-1強調「低token成本」，MAI-Code-1-Flash聲稱比競爭對手更便宜，以及早期MAI模型具有競爭力的定價，都表明微軟正採取積極策略提供高性價比的AI解決方案。
⏳ 時間線
2025-11
微軟AI成立超級智能團隊，旨在實現AI自給自足
2025-12
微軟預測2026年AI趨勢，強調AI從工具轉變為合作夥伴
2026-01
Rand Group分析微軟2026年AI趨勢，聚焦公民開發者與AI代理
2026-02
Stellium Consulting闡述微軟2026年AI願景，強調AI的普及性、責任感和影響力
2026-04
微軟發布首批三款自研MAI模型：MAI-Transcribe-1、MAI-Voice-1和MAI-Image-2
2026-06
微軟在Build 2026大會上發布七款MAI模型家族，包括MAI-Thinking-1、MAI-Image-2.5、MAI-Transcribe-1.5、MAI-Voice-2和MAI-Code-1
📎 來源 (20)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗