跳到正文
The Decoder· Jonathan Kemper·· 3 天前精选AI 评分78

微软在 Ignite 发布七款自研 MAI 模型,以更低价格替代 OpenAI 模型

Microsoft is replacing outside AI models in its own products with cheaper in-house alternatives

AI 导读

微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打价格性能比。MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 则为 96% 性能、5% 成本。

推荐理由

微软一次发布七款自研模型,以价格性能比对标 OpenAI 同类产品,可观察其产品线替换路径。

正文 · AI 翻译

微软AI(MAI)正瞄准全天候运行的AI智能体,推出面向代码、安全、图像、语音和路由的新模型。主要对标对象是其合作伙伴OpenAI的产品线。

在Ignite大会上,MAI发布了七款新模型,一次性全部推出,而非像往年那样分批发布,这与今年6月Build大会上的做法一致。微软将此次新品系列的主要定位放在性价比上。公司指出,客户希望全天候运行AI智能体,导致代币支出迅速上升,引用了这一趋势。其代码模型针对日常企业编码任务,微软表示,目前尚未针对基础研究或长周期智能体工作流等更复杂的工作进行优化。

MAI Code 2以促销价格接近GPT-6.1 Sol和Opus 5.5的性能

根据微软的说法,MAI Code 2在四项基准测试中平均达到GPT-6.1 Sol性能的98%,而成本仅为40%。与Claude Opus 5.5相比,它达到96%的性能,但成本仅为5%。微软在DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas和FrontierCode v1.1上进行了测试。其中三项测试在微软内部MSBench平台上运行,使用GitHub Copilot CLI且无子智能体。微软为其自身模型计算了50%的促销折扣。

在前端工作(如用户界面、游戏、数据可视化和SVG图形)的盲测中,人类评估者有64%的时间更偏好MAI Code 2的输出,而非GPT-6 Sol,微软称。

Bar charts comparing MAI Code 2, GPT-6.1 Sol, and Claude Opus 5.5 on success rate and cost per task. Averages are 63.2, 64.1, and 65.3 percent at $0.31, $0.76, and $6.31 per task, broken out for DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas, and FrontierCode v1.1.
MAI Code 2在成功率上略逊于GPT-6.1 Sol和Opus 5.5,但每任务成本仅为前者的零头,按促销价格计算。 | 图片来源:微软

MAI-Code-1.1-Flash的继任者MAI Code 2 Flash旨在用于代码解释、针对性编辑和常规修复。据悉,它以各自成本的65%和20%匹配GPT-6 Luna和Claude Haiku 5.5的性能。

微软从Flash模型衍生出MAI Work Flash。它在Microsoft 365和Fabric IQ中运行。微软称,在内部Excel和PowerPoint基准测试中,它匹配GPT-6 Luna的性能。在Word中,其表现类似于GPT-6.1 Sol,同时输入代币消耗减少约42%。对于在Power BI中生成DAX查询,它优于GPT-5.6 Sol、GPT-6 Astra和Opus 5.5。

在 GitHub Copilot 中,MAI Code 2 的促销价格为 每百万输入 token 0.50 美元,每百万输出 token 2.50 美元,有效期至 2027 年 5 月 17 日,之后将调整为 1 美元和 5 美元。MAI Code 2 Flash 在此日期前价格为 0.05 美元和 0.25 美元,随后将上涨至 0.10 美元和 0.50 美元。

经过清理基准的安全模型

MAI Cyber 2 Flash解决了CyberGym-E2E漏洞基准中92.3%的任务,微软称。GPT-6 Astra达到91.5%,但需要两倍的推理预算。每个任务,MAI模型的成本不到GPT-6 Astra的2%,单代币成本仅为百分之一。在WebExploitBench上,它得分为40.4%,高于GPT-5.6 Cyber的38.4%。

Three bar charts comparing MAI Cyber 2 Flash and GPT-6 Astra on CyberGym-E2E: success rates of 92.3 and 91.5 percent, output tokens per task of 38,700 and 55,200, and costs per task of $0.45 and $34.38.
MAI Cyber 2 Flash在CyberGym-E2E上解决的任务略多于GPT-6 Astra,同时使用更少的代币,成本仅为前者的零头。 | 图片来源:微软

在评估过程中,微软发现大约900个CyberGym任务中有10%借鉴了其部分训练数据中的相同开源项目和漏洞报告。公司称,参考解决方案从未进入训练数据。微软无论如何都移除了这些任务,仅对剩余任务进行评分。

目前尚未与 GPT-6 Cyber 进行比较。该模型仅面向部分客户开放。微软表示,带有工具的智能体基准测试仍需额外的安全措施。该公司计划在未来几周内公布这些结果。

上下文窗口涵盖一百万个 token,是 MAI Cyber 1.1 Flash 的四倍。输出 token 的成本比前代低 86%。新闻稿指出,MAI Cyber 模型已处理 Microsoft's security platform MDASH 上近 40% 的扫描任务。

微软将 MAI Cyber 2 Flash 的定价定为每百万输入 token 0.10 美元,每百万输出 token 0.50 美元,而 GPT-6 Astra 分别为 10 美元和 50 美元。在 CyberGym-E2E 上,这相当于每个任务 0.45 美元,而非 34.38 美元。

微软的决策模型现运行于 Google 的 Gemma 之上

Microsoft-Decision-1.1 负责路由、分类、优先级排序和工作流控制。该模型从开发者批准的操作中选择,并返回校准后的置信度分数。当不确定性较高时,应用程序可以选择升级处理,而不是基于错误决策采取行动。如果信息不完整,该模型被设计为 abstain(弃权)。

其基础是 Google 的混合专家模型 Gemma 4 26B A4B。前代模型基于 Qwen3.5-9B 构建。微软使用数百个合成和授权数据集,通过监督微调和强化学习训练了新模型,并在专有推理引擎上运行它。

在 Artificial Analysis 的 Decision Index v2.1 上,Decision 1.1 得分为 68 分。比其前代高出六分,也高于 Jev 1.14、Gemini Decision 1 和 GPT-6 Luna (Decisions)。微软还在 102 个内部基准测试中对其进行了测试,包含超过 385,000 个问题,它在八种决策模型中实现了最高的平均准确率。

该模型现在接受图像,包括截图。在 Copilot 中,它决定请求是发送给 Copilot 还是 Cowork。微软称,它的表现与大语言模型一样准确,但速度快 2.2 倍,成本低 4.4 倍。在 Cowork 中,其 Auto 功能控制任务获得的推理努力程度。

微软收取每百万输入 token 0.042 美元的费用,或在欧盟数据区收取 0.05 美元。输出 token 免费。

Scatter plot of Artificial Analysis Decision Index score versus time per task in milliseconds on a logarithmic scale. Microsoft-Decision-1.1 scores 68 points on the left in a highlighted region, with an arrow from Microsoft-Decision-1 labeled "+6 points, 2.2x faster." Jev 1.14, Gemini Decision 1, GPT-6 Luna (Decisions), and other decision models also shown.
在 Artificial Analysis 的 Decision Index 上,Decision 1.1 比其前代高出六分,响应速度快两倍多。| 图片来源:Microsoft

另一个专用模型出现在 Ignite 的 Book of News 中。Microsoft-Retriever-1 为 Foundry IQ 中的智能体从企业文档中收集相关信息。该模型不执行单次搜索,而是规划查询、评估结果,并发出后续查询,直到拥有足够材料以提供有据可依的答案。微软表示,这比以前的方法更快、更高效。Retriever-1 作为预览版推出。Foundry 中的 Model Router 现在也从扩展的模型池中自动选择。

图像编辑即将登场

MAI Image 2.7 以 1,215 Elo 分(来自 5,478 票)领先 Artificial Analysis 图像编辑排行榜。它以五分之一的成本领先 GPT Image 2.6 Sunburst (max) 四分。在文生图生成方面,该模型在该排行榜上排名第四。MAI Image 2.7 每张约 35 美元(每千张),Flash 版本约 10 美元。

Scatter plot of image editing quality in Elo versus API price per 1,000 images on a logarithmic scale. MAI Image 2.7 and 2.7 Flash sit at the top left on the Pareto frontier; GPT Image 2.6 Sunburst and Nano Banana Pro appear to their right.
根据 Artificial Analysis 的数据,MAI Image 2.7 和 2.7 Flash 以更低的成本匹配了 GPT Image 2.6 Sunburst 的编辑质量。| 图片来源:Microsoft

该模型可以在不改变图像其余部分的情况下,更改单个对象的颜色、材质或位置。它还能生成透明背景。体积更小的 Flash 变体成本不到三分之一,并为 MAI Labs 的新图像编辑器 Canvas 提供动力。自六月以来,MAI Image 一直是 Bing Image Creator 的默认模型。Adobe、Figma Weave、Minute (Sports Illustrated)、Wirestock 和 Manus 均与 MAI Image 合作,微软表示。

Text reading "MAI Image 2.7" in front of several variants of the same light brown poodle, shown isolated and placed in a terrace scene.
MAI Image 2.7 旨在编辑和隔离图像的单个元素,而不影响其余部分。| 图片来源:微软

兼容 OpenAI API 的语音模型

MAI Realtime 1 是微软首款语音到语音模型。它旨在处理中断,等待说话者说完,并在有背景噪音的情况下识别请求。对于更复杂的任务,它会回退到按 token 计费的更强大的推理引擎。基础费率按音频分钟计费。在 Big Bench Audio、τ-Voice 以及与 Dynamics 365 的测试中,其表现优于 GPT Realtime 2.1,微软表示。

由于它与 OpenAI Realtime API 兼容,现有的语音应用可以轻松切换。Agoda 和 Reservations.ai 正在测试该模型。微软还计划将其引入 Dynamics 365 Contact Center 和 Dragon Copilot,护士将使用它来练习患者对话。

Scatter plot of Big Bench Audio score versus cost per hour of input audio. MAI Realtime 1 scores 98.9 percent at $1.35 in the top left; GPT-Realtime-2.1 High, Gemini 3.8 Live, and Eleven Realtime sit further right or lower.
根据微软自身的测量,MAI Realtime 1 在 Big Bench Audio 上得分最高,且成本相对较低。| 图片来源:微软

基于 MAI Transcribe 2 的 Dragon Copilot Transcribe 现在可以处理 Dragon Copilot 中的所有医患转录内容。微软表示,这相当于每月 1000 万场对话。在多语言工作流中,错误率降低了一半。对于其自身的大型模型,微软现在使用 Maia 200 芯片,这是其 AI 加速器的第二代,据称每瓦特可产生 1.7 倍的 token。

微软按每分钟音频收取一美分费用。推理成本额外收取每百万输入 token 1 美元和每百万输出 token 5 美元。

授权权重仅通过微软账户团队提供

通过 MAI Licensed Weights,公司可以使用自己的数据微调 MAI 模型,并在自己的 Azure 环境中运行它们。数据和定制保留给客户。微软表示,仅在获得明确同意的情况下,才会将这些数据用于训练其自身模型。

该公司将该产品定位为开源权重的替代方案,因为企业难以验证开源权重的来源和行为。一个例子是美国运营商 AT&T,据报道,用于 5G 网络运营分析定制模型在标准任务上的表现优于 GPT-6.1 Sol,而成本仅为后者的约五十分之一。发布日期和定价仍在待定中。感兴趣的公司应联系其微软账户团队。该产品预计将通过微软的 Frontier Company 项目“很快”推出。

MAI Code 2 和 Code 2 Flash 已在 GitHub Copilot 中提供,Code 2 Flash 也在 Foundry 中以有限预览形式推出。预计 OpenRouter、Vercel、Hermes、Open Code 和 Kilo 将陆续跟进。MAI Image 2.7 和 Flash 已在 Foundry 和 fal 上公开预览,Genspark、OpenRouter 和 Vercel 也已上线。Decision 1.1 已在 Foundry、OpenRouter 以及通过 Vercel 的 AI Gateway 全面可用。MAI Realtime 1 可在 MAI Labs 中试用,并作为 Foundry 预览版提供,在公开预览启动前免费使用。MAI Cyber 2 Flash 仅适用于微软的安全产品。在 MDASH 中,它将从 12 月中旬开始自动为符合条件的客户替换 MAI 配置文件中的现有模型。

今年 4 月,微软和 OpenAI 重组了合作关系。OpenAI 现在可以通过任何云提供商销售其产品,但 Azure 仍是其主要云合作伙伴。微软拥有 OpenAI 模型和产品的非独占许可,有效期至 2032 年。

来源:The Decoder · the-decoder.com