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
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。
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。
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。

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%。

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。

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。

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。

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。

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