跳到正文
The Decoder· Jonathan Kemper·· 2 小时前精选AI 评分78

微软 Ignite 发布七款自研 MAI 模型,以更低价格替代外部模型

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,主打性价比。

推荐理由

微软一次发布七款自研模型,并给出与 GPT、Claude 系列对比的性能和价格数据,可据此判断企业智能体的成本结构。

正文 · AI 翻译

Microsoft AI(MAI)正凭借面向代码、安全、图像、语音和路由的新模型,瞄准常驻在线的 AI 智能体。主要衡量标准是其自家合作伙伴 OpenAI 的产品阵容。

在 Ignite 大会上,MAI 发布了七款新模型,一次性批量推出,而非分散在全年陆续发布,这与它在 6 月 Build 大会上的做法如出一辙。微软主要从性价比角度定位这一新阵容。该公司提到,希望全天候运行 AI 智能体的客户token 支出正快速上升。微软表示,其代码模型面向日常企业编码任务,尚未针对基础研究或长周期智能体工作流等更难的工作进行优化。

MAI Code 2 以促销价在性能上接近 GPT-6.1 Sol 和 Opus 5.5

据微软称,MAI Code 2 在四项基准测试中平均达到 GPT-6.1 Sol 性能的 98%,而成本仅为其 40%。对比 Claude Opus 5.5,它达到后者性能的 96%,成本仅为其 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的 MSBench 平台上运行,使用 GitHub Copilot CLI 且不使用子智能体。微软为其自家模型计算了 50% 的促销折扣。

微软表示,在 UI、游戏、数据可视化和 SVG 图形等前端工作的盲测对比中,人工评估者在 64% 的情况下更偏好 MAI Code 2 的输出,而非 GPT-6 Sol。

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.
按促销价计算,MAI Code 2 在成功率上略逊于 GPT-6.1 Sol 和 Opus 5.5,但每项任务成本仅为其一小部分。| 图片:微软

作为 MAI-Code-1.1-Flash 的继任者,MAI Code 2 Flash 专为代码解释、定向编辑和常规修复而设计。据说其性能可匹配 GPT-6 Luna 和 Claude Haiku 5.5,成本分别为后两者的 65% 和 20%。

微软从 Flash 模型衍生出 MAI Work Flash。它运行于 Microsoft 365 和 Fabric IQ 中。微软称,在内部 Excel 和 PowerPoint 基准测试中,它可匹配 GPT-6 Luna。在 Word 中,其表现与 GPT-6.1 Sol 相似,而消耗的输入 token 约少 42%。在 Power BI 中生成 DAX 查询方面,它优于 GPT-5.6 Sol、GPT-6 Astra 和 Opus 5.5。

在 GitHub Copilot 中,MAI Code 2 的促销价为每百万输入 token 0.50 美元、每百万输出 token 2.50 美元,优惠持续至 2027 年 5 月 17 日,之后为 1 美元和 5 美元。MAI Code 2 Flash 在此期间为 0.05 美元和 0.25 美元,之后涨至 0.10 美元和 0.50 美元。

安全模型与经过清理的基准测试

微软称,MAI Cyber 2 Flash 在 CyberGym-E2E 漏洞基准测试中解决了 92.3% 的任务。GPT-6 Astra 达到 91.5%,但需要两倍的推理预算。按任务计算,MAI 模型的成本不到 GPT-6 Astra 的 2%,每 token 成本仅为其百分之一。在 WebExploitBench 上,它得分 40.4%,领先于 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,同时使用的 token 更少,成本仅为其一小部分。| 图片:微软

在评估过程中,微软发现约 900 项 CyberGym 任务中有 10% 与其自身部分训练数据使用了相同的开源项目和漏洞报告。该公司表示,参考解决方案从未进入训练数据。无论如何,微软为所有模型移除了这些任务,仅对其余任务进行评分。

目前还缺少与 GPT-6 Cyber 的对比。该模型仅向部分客户开放。微软表示,带工具的智能体基准测试仍需额外的安全措施。公司计划在未来几周内公布这些结果。

上下文窗口达一百万 token,是 MAI Cyber 1.1 Flash 的四倍。输出 token 的成本比前代低 86%。新闻稿称,MAI Cyber 模型已处理 微软安全平台 MDASH 上近 40% 的扫描。

微软将 MAI Cyber 2 Flash 定价为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元,而 GPT-6 Astra 为 10 美元和 50 美元。在 CyberGym-E2E 上,这意味着每项任务 0.45 美元,而非 34.38 美元。

微软的决策模型现在运行在 Google 的 Gemma 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,并返回经过校准的置信度分数。当不确定性较高时,应用可以升级处理,而不是依据错误决策行事。如果信息不完整,该模型被设计为弃权。

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。微软通过监督微调和强化学习,在数百个合成及授权数据集上训练了新模型,并在专有推理引擎上运行。

在 Artificial Analysis 的 Decision Index v2.1 上,Decision 1.1 得分为 68 分。这比前代高 6 分,并高于 Jev 1.14、Gemini Decision 1 和 GPT-6 Luna (Decisions)。微软还在 102 项内部基准测试、超过 385,000 个问题上进行了测试,其在八个决策模型中取得了最高的平均准确率。

该模型现在可以接受图像,包括截图。在 Copilot 中,它决定请求是交给 Copilot 还是 Cowork。微软表示,它的准确性与大型语言模型相当,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投入程度。

微软收费为每百万输入 token 0.042 美元,在欧盟数据区为 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 比前代提升 6 分,响应速度提高一倍以上。| 图片:微软

Ignite 的 Book of News 中出现了另一个专用模型。Microsoft-Retriever-1 为 Foundry IQ 中的智能体从企业文档中收集相关信息。该模型不是执行单次搜索,而是规划查询、评估结果并发出后续查询,直到获得足够材料以给出有充分依据的答案。微软表示,这比以往方法更快、更高效。Retriever-1 以预览形式发布。Foundry 中的 Model Router 现在也会从扩展的模型池中自动选择。

图像编辑紧追 OpenAI

MAI Image 2.7 以 5,478 票获得 1,215 Elo 分,领跑 Artificial Analysis 图像编辑排行榜。它比 GPT Image 2.6 Sunburst (max) 高 4 分,成本仅为其五分之一。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 1,000 张图像收费约 35 美元。Flash 约为 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.
据 Artificial Analysis 称,MAI Image 2.7 和 2.7 Flash 以低得多的价格达到了 GPT Image 2.6 Sunburst 的编辑质量。| 图片:微软

该模型可以改变单个对象的颜色、材质或位置,而不影响图像的其余部分。它还能生成透明背景。较小的 Flash 版本成本不到三分之一,并为 MAI Labs 的新图像编辑器 Canvas 提供支持。自 6 月以来,MAI Image 一直是 Bing Image Creator 的默认模型。微软表示,Adobe、Figma Weave、Minute(Sports Illustrated)、Wirestock 和 Manus 均与 MAI Image 合作。

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 旨在编辑和分离图像中的单个元素,而不改变其余部分。| 图片:微软

兼容 OpenAI API 的语音模型

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

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,护士将用它来练习与患者的对话。

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.
根据微软自己的测量,MAI Realtime 1 在 Big Bench Audio 上以相对较低的成本获得最高分。| 图片:微软

基于 MAI Transcribe 2 的 Dragon Copilot Transcribe 现在负责 Dragon Copilot 中所有医患转录。微软表示,这相当于每月 1000 万次对话。在多语言工作流中,错误率降低了一半。对于自己的大型模型,微软现在使用 Maia 200 芯片,这是其第二代 AI 加速器,据称每瓦可多提供 1.7 倍的 token。

微软按每音频分钟收取 1 美分。推理需额外支付每百万输入 token 1 美元和每百万输出 token 5 美元。

授权权重仅通过微软客户团队提供

借助 MAI Licensed Weights,公司可以用自己的数据微调 MAI 模型,并在自己的 Azure 环境中运行。数据和定制内容保留在客户手中。微软表示,只有在明确同意的情况下,才会将其用于训练自己的模型。

该公司将此产品定位为开放权重的替代方案,因为企业难以验证开放权重的来源和行为。一个例子是美国运营商 AT&T,据报道,其用于 5G 网络运营分析的定制模型在标准任务上表现优于 GPT-6.1 Sol,而成本约为后者的五十分之一。发布日期和定价仍待确定。感兴趣的公司应联系其微软客户团队。该产品将通过微软的 Frontier Company 计划“很快”推出。

MAI Code 2 和 Code 2 Flash 已在 GitHub Copilot 中提供,其中 Code 2 Flash 还在 Foundry 中限量预览。OpenRouter、Vercel、Hermes、Open Code 和 Kilo 预计将跟进。MAI Image 2.7 和 Flash 已在 Foundry 以及 fal、Genspark、OpenRouter 和 Vercel 上公开预览。Decision 1.1 已在 Foundry、OpenRouter 上以及通过 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,在公开预览版发布前免费。MAI Cyber 2 Flash 为 Microsoft 安全产品独家提供。在 MDASH 中,它将于 12 月中旬起自动替换符合条件的客户 MAI 配置文件中的现有模型。

4 月,Microsoft 和 OpenAI 重组了他们的合作关系。OpenAI 现在可以通过任何云提供商销售其产品,但 Azure 仍是主要云合作伙伴。Microsoft 持有 OpenAI 模型和产品的非独家许可,直至 2032 年。

来源:The Decoder · the-decoder.com