MAI 登顶 OpenRouter 转录模型榜
Mustafa Suleyman 表示，MAI 已成为 OpenRouter 上在所有语言和使用场景中最准确、最受欢迎的转录模型，并邀请开发者将其用于智能体。
#Microsoft
RadarAIAI 评分2828
RadarAIAI 评分7474 微软完成 2.8T 参数基模 MAI-Base-2 预训练，称性能强于所有参测开源权重模型
微软宣布完成新一代 SOTA 基础模型 MAI-Base-2 的预训练，称其性能强于所有参测开源权重模型。该模型总参数 2.8T、活跃参数 80B，在 6,000 个 NVIDIA GB200 GPU 上训练 38 天，平均浮点算力利用率 21%、有效吞吐量 89%。预训练算力效率据称为 DeepSeek-V4-Pro-Base 的 4~12 倍。
RadarAIAI 评分6262 微软发布自研基础模型 MAI-Base-2，称仅用 OpenAI 四分之一算力即超越同类模型
微软 10 月 15 日发布自研预训练基础模型 MAI-Base-2，其 AI 业务 CEO 穆斯塔法·苏莱曼在员工大会上称，该模型性能超过目前驱动 GPT-5.6 Sol 的模型（代号 Spud），训练算力只有 OpenAI 的四分之一。
RadarAIAI 评分6262 微软 MAI-Base-2 预训练完成，MAI-Base-3 已在筹备
微软 MAI 宣布 MAI-Base-2 预训练完成，MAI-Base-3 的训练周期已在筹备中。微软称 MAI-Base-2 在留出评测上超越所有受测开放权重模型，预训练 FLOPs 效率比最强开放基座模型 DeepSeek-V4-Pro-Base 高 4-12 倍，节省的算力被用于训练更大模型。微软表示已在 MAI 内部建成 3T 参数级别的 SOTA 预训练基座模型，后训练结果即将公布。
RadarAIAI 评分6666 Microsoft AI 公布 MAI-Base-2 预训练细节，2.8T 参数 MoE 模型 FLOPs 效率达 DeepSeek-V4-Pro-Base 的 4.2 至 12.3 倍
Microsoft AI 宣布完成 MAI-Base-2 预训练，这是一个 800 亿激活、2.8T 总参数的 MoE 基础模型，在留出评测中 BPB 低于所测全部开放权重模型，预训练 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4.2 至 12.3 倍。
RadarAIAI 评分6262 Microsoft AI 宣布自研 3T 参数级预训练基础模型达到 SOTA
Microsoft AI CEO Mustafa Suleyman 宣布，MAI 已完全自研出 3T 参数权重级别的 SOTA 预训练基础模型，后训练结果即将发布，技术细节见博客 https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/。
RadarAIAI 评分1818 微软 MAI-Base-2 训练全程稳定
微软 MAI-Base-2 在整个训练过程中训练得非常干净，得益于精心的扩展阶梯和配方的持续优化。Mustafa Suleyman 在 X 上公布了这一结果。
RadarAIAI 评分7474 Google 全球发布 Gemini 4 Argon，Cursor 与 GitHub Copilot 同步接入
Google 面向付费 Gemini API 与 Gemini 平台、Pro 和 Ultra 订阅用户的 Gemini 应用与搜索、以及 Ultra 订阅用户的 Antigravity 全球发布 Gemini 4 Argon，该模型在 Arena Overall 榜单排名第 5。
Hacker NewsAI 评分6666 微软在 Foundry 上线 Microsoft-Decision-1，基于阿里 Qwen3.5-9B 后训练
微软在 Foundry 上线 Microsoft-Decision-1 决策模型，基于阿里 Qwen3.5-9B 后训练，而非 OpenAI 的模型，并计划后续迁移到自家 MAI 模型和 OpenAI 模型上。
The DecoderAI 评分6060 微软发布 Decision-1 决策模型，基于 Qwen3.5-9B
微软推出决策模型 Decision-1，用于分类、评估和路由决策，并称其有潜力引导和控制智能体应对复杂环境。该模型基于 Qwen3.5-9B，微软称其在覆盖近 15 万个问题的 36 项基准测试中准确率最高，速度比第二名 H2O-Lightning-4B 快 2.5 倍，基准对比中达到 83.5% 准确率和 85 ms 延迟，领先 Jev 1.13.0。
RadarAIAI 评分6262 Microsoft 发布决策模型 Decision-1，基于 Qwen3.5-9B
Microsoft 发布决策模型 Decision-1，用于分类、评估和路由决策，基于 Qwen3.5-9B，据称可引导智能体在复杂环境中行动。
RadarAIAI 评分6262 微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的决策评分模型
微软发布 Microsoft-Decision-1，一个由 Qwen3.5-9B 后训练的决策评分模型，对固定选项输出校准概率而非生成文本，已上线 Microsoft Foundry 和 OpenRouter。
RadarAIAI 评分6262 微软推出 Microsoft-Decision-1 决策模型，基于 Qwen3.5-9B 后训练
微软发布 Microsoft-Decision-1 决策模型，专为结构化决策任务打造，现已上线 Microsoft Foundry 并接入 OpenRouter。该模型基于 Qwen3.5-9B 后训练，在 36 项基准测试中准确率最高，响应速度比 Quyet-1.0-Large 快 4.5 倍、比 GPT-6 Sol 快 35 倍。定价为每百万 Token 输入 0.042 美元，输出免费。
RadarAIAI 评分6262 微软推出决策专用模型 Microsoft-Decision-1，基于 Qwen3.5-9B 后训练
微软发布决策专用模型 Microsoft-Decision-1，基于阿里开源模型 Qwen3.5-9B 进行后训练，专门用于快速判断选择题。该模型在推理速度和稳定性上远高于通用大模型，已在 Xbox 和 Copilot 等业务中投入使用，用于优化 AI 工作流效率。
RadarAIAI 评分6262 微软在 Microsoft Foundry 上线 Microsoft-Decision-1 决策模型
微软在 Microsoft Foundry 上线 Microsoft-Decision-1，该模型基于 Qwen3.5-9B 后训练，用于快速单次决策打分，后续计划迁移到 MAI 和 OpenAI 模型。
RadarAIAI 评分6262 微软发布 Decision-1 模型，已在 Foundry 上线
微软发布 Decision-1 模型，现已在 Foundry 中可用，并将很快通过 OpenRouter 提供。Satya Nadella 在 X 上公布了这一消息，并附上微软官方链接 https://commandline.microsoft.com/microsoft-decision-1-model-foundry/。
RadarAIAI 评分6262 微软推出 Decision-1 决策模型
微软推出新模型 Microsoft-Decision-1，用于快速决策。Satya Nadella 表示，它在结构化决策任务上表现顶尖，在延迟和质量上均优于 LLM 和其他决策模型。该模型已在微软内部测试，应用范围涵盖事件响应、质量控制和科学发现。
科技媒体 RSSAI 评分5959 微软将把 MAI Code 1.1 Flash 模型整合进 Windows 11：130B 参数、256K 上下文窗口
微软在旧金山活动中宣布，计划将 130B 参数的 MAI Code 1.1 Flash 模型引入 Windows 11 设备。该模型支持 256K 上下文窗口。
科技媒体 RSSAI 评分6262 Microsoft AI 发布 MAI-Transcribe-2-Streaming 流式语音转文本模型，登顶 Artificial Analysis 实时榜单
Microsoft AI 于 2026 年 10 月 1 日发布首个流式语音转文本模型 MAI-Transcribe-2-Streaming，并称其登顶 Artificial Analysis 实时榜单。同时推出 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 两个语音生成模型。
FutureTools 资讯AI 评分6060 Microsoft 发布 MAI-Voice-2.1 文本转语音模型，支持即时声音匹配
Microsoft 发布 MAI-Voice-2.1 文本转语音模型，支持即时声音匹配。该模型来自 microsoft.ai，目前仅有摘要信息，具体能力与开放方式尚未披露。
Microsoft Research精选AI 评分6666 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型，以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
Microsoft ResearchAI 评分3939 微软 GigaPath-Flash 与 GigaTIME-Flash：面向人群规模发现的高效病理基础模型
微软研究院推出 GigaPath-Flash 与 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，均以 Apache 2.0 许可开源。