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。
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。
微软 CEO 纳德拉再次将 Copilot 称为"面向工作的新操作系统",称其适用于所有模型、所有工作场景和所有任务。技术拆解显示,Copilot 桌面应用主程序 copilotapp.exe 仅 4.99MB,实为重新命名的 Microsoft Edge 启动器,安装目录含完整 Edge 154 构建,体积约 520MB。
圣安东尼奥市议员 Ric Galvan 所在约 55 平方英里的选区内已有十多座数据中心,预计未来几年若拟建项目完工将增至约 20 座。这些为 AI 提供物理基础设施的"超大规模"设施占地数百万平方英尺,沿两条主干道聚集分布。
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。
微软在 GitHub 开源 SkillOpt,一个文本空间优化器,通过轨迹驱动的编辑和验证门控更新,为冻结的 LLM 智能体训练可复用的自然语言技能。其产出为可部署的 best_skill.md 文件。
据路透社报道,特朗普与扎克伯格、Anthropic 的 Amodei 等 AI 公司 CEO 签署了一份自愿性质的安全协议,并表态支持数据中心扩建。
微软研究院实习生开发了一套端到端机器学习流水线,利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站地质电导率数据,为美国本土 66,935 座变电站生成 30-60 分钟提前量的位置级空间天气风险估计。
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。
微软亚洲研究院新加坡分院(MSRA – Singapore)作为微软在东南亚的首个研究实验室,成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向展开工作。
GitHub Copilot 应用中的 canvas 是一种可自定义的双向界面,用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求,即可生成看板、发布清单或仪表盘等界面,无需编写代码。canvas 会保存为扩展,可随项目共享或作为个人扩展复用,社区也已通过 Awesome Copilot 分享现成的 canvas 扩展。
GitHub Copilot 提出,聊天框在多数场景下是错误的 AI 交互界面,应改用 canvas——一种运行在 GitHub Copilot 应用内、无浏览器外壳的全栈应用,可与 agent 双向通信并在本地执行代码。文中演示了用 canvas 构建 Connect 4 游戏、Winget 包管理界面和 SQLite 数据库操作界面,并称用 agent 构建工具比反复对话更省 token。
GitHub Copilot 应用重建了 pull request 视图,用一个 2,200 个文件、超百万行改动、400 多条行内评论的开源 PR 做压力测试。它把文档高度拆成确定性的代码几何与动态评论块两套体系:代码行高提前算好,评论高度按需测量并锚定到文件、行和侧,避免滚动跳动。
微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,能提升任务成功率、支持更大的模型并延长续航。
推荐理由:微软研究院系统测量了机器人端侧 GPU 推理的瓶颈,并给出把推理卸载到边缘或云端的开源工具链,可供机器人开发者参考。
Microsoft Research 在 Nature 发表逆向合成模型 RetroChimera,用于自动提出小分子合成路线。该框架结合 Transformer 模型 R-SMILES 2 与基于图神经网络和反应模板的 NeuralLoc,用学习式集成重排序融合两者预测,在盲测中化学家更偏好其单步反应预测,十个挑战性目标中九个被专家接受。
推荐理由:论文发表于 Nature,并开源实现与权重,读者可了解逆向合成模型如何用集成重排序提升路线预测质量。
微软推出 ai-agents-for-beginners 课程,包含 18 节课,帮助初学者入门构建 AI 智能体。
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。