The Decoder ↗ · 2026-11-19 02:47 · UTC+8
微软正用更便宜的自研替代品替换其自身产品中的外部 AI 模型
媒体报道 The Decoder 原文语言:英文
微软的 AI 部门 MAI 在 Ignite 上发布了七个用于代码、安全、图像、语言和路由的新模型。
全文
要点
微软的 AI 部门在 Ignite 大会上推出了七款专用模型,涵盖代码、IT 安全、图像编辑、语音和工作流决策。所有模型均旨在降低始终在线 AI 代理的运营成本。
这些模型定位为 OpenAI 和 Anthropic 系统的更廉价替代品。代码模型 MAI Code 2 在内部基准测试中几乎可以匹配 GPT-6.1 Sol 和 Claude Opus 5.5,但成本仅为其一小部分。MAI Cyber 2 Flash 在 CyberGym-E2E 漏洞测试中略胜 GPT-6 Astra。
除了图像模型 MAI Image 2.7、语音模型 MAI Realtime 1 和基于 Google Gemma 的路由模型 Decision 1.1,微软还将在 Azure 云上允许企业客户使用自有数据微调选定模型的权重。
微软 AI(MAI)正针对始终在线的 AI 代理推出新模型,覆盖代码、安全、图像、语音和路由。其主要衡量标准是自家合作伙伴 OpenAI 的产品阵容。
在 Ignite 大会上,MAI 一次性发布了七款新模型,而不是像往年那样分散发布,就像去年六月的 Build 大会一样。微软将新阵容的定位主要放在性价比上。公司指出,客户对 AI 代理的持续运行导致代币消耗快速上升。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期代理工作流等更高难度任务进行优化,微软表示。
MAI Code 2 以促销价接近 GPT-6.1 Sol 和 Opus 5.5 的水平
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%,成本仅为其 40%;对比 Claude Opus 5.5 时,性能达 96%,成本仅为其 5%。微软在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 上进行测试。其中三项测试使用微软内部的 MSBench 平台,借助 GitHub Copilot CLI 且不使用子代理。微软对自家模型计算了 50% 的促销折扣。
在对前端工作(如 UI、游戏、数据可视化和 SVG 图形)的盲测中,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,微软称。
MAI Code 2 在成功率上略逊于 GPT-6.1 Sol 和 Opus 5.5,但每项任务的成本仅为其一小部分,按促销价计算。| 图片:微软
MAI-Code-1.1-Flash 的继任者 MAI Code 2 Flash 旨在进行代码解释、针对性编辑和日常修复。据称其在成本上分别为 GPT-6 Luna 和 Claude Haiku 5.5 的 65% 和 20%,而性能相当。
微软从 Flash 模型衍生出 MAI Work Flash。它可在 Microsoft 365 和 Fabric IQ 中运行。在内部的 Excel 和 PowerPoint 基准测试中,微软称其表现与 GPT-6 Luna 相当。在 Word 中,其表现与 GPT-6.1 Sol 相似,但使用的输入代币约少 42%。在 Power BI 中生成 DAX 查询时,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代币 0.50 美元、每百万输出代币 2.50 美元,优惠期至 2027 年 5 月 17 日,之后为每百万输入代币 1 美元、每百万输出代币 5 美元。MAI Code 2 Flash 的费用为每百万输入代币 0.05 美元、每百万输出代币 0.25 美元,随后升至 0.10 美元和 0.50 美元。
安全模型及清理后的基准测试
MAI Cyber 2 Flash 在 CyberGym-E2E 漏洞基准测试中解决了 92.3% 的任务,微软称。GPT-6 Astra 的解决率为 91.5%,但需要两倍的推理预算。每项任务的成本方面,MAI 模型仅为 GPT-6 Astra 的 2% 以下,代币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%。
MAI Cyber 2 Flash 在 CyberGym-E2E 上解决的任务略多于 GPT-6 Astra,且使用更少的代币,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% 使用了与其自身训练数据相同的开源项目和漏洞报告。参考解答从未进入训练,微软表示。公司已将这些任务从所有模型的评测中剔除,仅对其余部分进行评分。
目前尚未提供与 GPT-6 Cyber 的对比。该模型仅面向特定客户开放。带工具的代理基准仍需额外安全措施,微软称。公司计划在未来几周公布相关结果。
上下文窗口跨度一百万个标记,是 MAI Cyber 1.1 Flash 的四倍。输出标记的费用比前代低 86%。MAI Cyber 系列模型已经在微软的安全平台 MDASH 上处理了近 40% 的扫描,新闻稿称。
微软将 MAI Cyber 2 Flash 的价格列为每百万输入标记 0.10 美元、每百万输出标记 0.50 美元,而 GPT-6 Astra 为 10 美元和 50 美元。在 CyberGym‑E2E 上,这相当于每个任务 0.45 美元,而不是 34.38 美元。
微软的决策模型现在运行在谷歌的 Gemma 上
Microsoft-Decision-1.1 负责路由、分类、优先级排序和工作流控制。模型从开发者批准的操作中挑选,并返回校准的置信度分数。当不确定性高时,应用可以升级而不是做出错误决策。如果信息不完整,模型会选择弃权。
它的基础是谷歌的混合专家模型 Gemma 4 26B A4B。前代模型基于 Qwen3.5‑9B。微软使用监督微调和强化学习在数百个合成和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 中,Decision 1.1 得分 68 分。比前代高出六分,且高于 Jev 1.14、Gemini Decision 1 和 GPT‑6 Luna(Decisions)。微软还在 102 项内部基准测试中使用了超过 385,000 道题目,结果显示它在八个决策模型中拥有最高的平均准确率。
该模型现在接受图像输入,包括截图。在 Copilot 中,它决定请求是交给 Copilot 还是 Cowork。微软称其准确度与大型语言模型相当,但速度提升 2.2 倍,成本降低 4.4 倍。在 Cowork 中,其 Auto 功能控制任务获得的推理力度。
微软对每百万输入标记收取 0.042 美元,欧盟数据区为 0.05 美元。输出标记免费。
在 Artificial Analysis 的 Decision Index 中,Decision 1.1 比前代提升六分,响应速度提升超过两倍。 | 图片:Microsoft
另一款专用模型出现在 Ignite 的新闻手册中。Microsoft‑Retriever‑1 为 Foundry IQ 中的代理从企业文档中收集相关信息。它不是一次性搜索,而是规划查询、评估结果并进行后续查询,直至获得足够材料以给出有依据的答案。微软称这比以往方法更快更高效。Retriever‑1 以预览版形式发布。Foundry 中的 Model Router 现在也会自动从扩展的模型池中选择模型。
图像编辑领先于 OpenAI
MAI Image 2.7 在 Artificial Analysis 的图像编辑排行榜上以 1,215 Elo 分(5,478 票)领先。它比 GPT Image 2.6 Sunburst(最高)高出四分,成本仅其五分之一。就文本到图像生成而言,该模型在排行榜上排名第四。MAI Image 2.7 的费用约为每千张图像 35 美元。Flash 版约为 10 美元。
根据 Artificial Analysis,MAI Image 2.7 与 2.7 Flash 在编辑质量上与 GPT Image 2.6 Sunburst 相当,但价格更低。 | 图片:Microsoft
该模型可以改变单个对象的颜色、材质或位置,而不影响图像的其他部分。它还能生成透明背景。更小的 Flash 变体成本不到三分之一,为 Canvas 提供动力——MAI Labs 的全新图像编辑器。自六月起,MAI Image 成为 Bing Image Creator 的默认模型。微软称 Adobe、Figma Weave、Minute(Sports Illustrated)、Wirestock 和 Manus 均使用 MAI Image。
MAI Image 2.7 旨在编辑和隔离图像中的单个元素,而不改变其余部分。 | 图片:Microsoft
兼容 OpenAI API 的语音模型
MAI Realtime 1 是微软首个语音到语音模型。它设计用于处理中断、等待说话者结束,并在背景噪音下仍能识别请求。对于更困难的任务,它会回退到按标记计费的更强大推理引擎。基础费率按音频分钟计费。在 Big Bench Audio、τ‑Voice 以及 Dynamics 365 测试中,它的表现优于 GPT Realtime 2.1,微软称。
由于兼容 OpenAI Realtime API,现有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 联系中心和 Dragon Copilot,护士可使用它练习患者对话。
根据微软自身的测算,MAI Realtime 1 在 Big Bench Audio 上以相对较低的成本取得了最高分。| 图片来源:微软
基于 MAI Transcribe 2 的 Dragon Copilot Transcribe 现在处理 Dragon Copilot 中的所有医生与患者对话转录。微软表示,这相当于每月 1000 万次对话。在多语言工作流中,错误率下降了一半。微软表示,在其自己的大型模型中,现在使用了第二代 AI 加速器芯片 Maia 200,据说该芯片每瓦可交付多 1.7 倍的 Token。
微软的收费标准为每音频分钟一美分。推理成本则为每百万输入 Token 1 美元,每百万输出 Token 5 美元。
许可权重仅可通过微软客户团队获取
通过 MAI Licensed Weights,企业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。数据和定制内容保留在客户本地。微软表示,只有在获得明确同意的情况下,才会将这些数据用于训练其自己的模型。
该公司将该产品定位为开源权重(Open Weights)的替代方案,企业很难验证开源权重的出处和行为。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的表现优于 GPT-6.1 Sol,而成本约为其五十分之一。发布日期和定价尚待公布。感兴趣的公司应联系其微软客户团队。该产品即将通过微软的 Frontier Company 计划“很快”推出。
MAI Code 2 和 Code 2 Flash 已在 GitHub Copilot 中可用,Code 2 Flash 也在 Foundry 中进行了有限预览。OpenRouter、Vercel、Hermes、Open Code 和 Kilo 预计也将跟进。MAI Image 2.7 和 Flash 正在 Foundry 以及 fal、Genspark、OpenRouter 和 Vercel 上进行公开预览。Decision 1.1 已在 Foundry、OpenRouter 以及通过 Vercel 的 AI Gateway 全面可用。MAI Realtime 1 可以在 MAI Labs 中进行体验,并作为 Foundry 预览版提供,在公开预览版推出之前免费使用。MAI Cyber 2 Flash 是微软安全产品独占的。在 MDASH 中,它将从 12 月中旬开始自动替换符合条件的客户在 MAI 配置文件中的现有模型。
4 月份,微软和 OpenAI 重组了他们的合作伙伴关系。OpenAI 现在可以通过任何云服务商销售其产品,但 Azure 仍然是主要的云合作伙伴。直到 2032 年,微软拥有 OpenAI 模型和产品的非独占许可。
正文为 AI 译文。