Microsoft AI(MAI)正以面向代码、安全、图像、语音和路由的新模型瞄准常驻在线的 AI 智能体。主要的衡量标尺是其自家合作伙伴 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,而非分散在全年发布,正如它在6 月的 Build 大会上所做的那样。Microsoft 主要将新阵容定位在性价比上。该公司提到客户中快速上升的 token 支出这些客户希望全天候运行 AI 智能体。Microsoft 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 以促销价格逼近 GPT-6.1 Sol 和 Opus 5.5

根据Microsoft的说法,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%。Microsoft 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 Microsoft 内部的 MSBench 平台上运行,使用 GitHub Copilot CLI 且不使用子智能体。Microsoft 为其自家模型计算了 50% 的促销折扣。

Microsoft 表示,在针对 UI、游戏、数据可视化和 SVG 图形等前端工作的盲测对比中,人类评估者在 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.
MAI Code 2 在成功率上略逊于 GPT-6.1 Sol 和 Opus 5.5,但按促销价格计算,每个任务的成本仅为其一小部分。| 图片:Microsoft

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。据说它可媲美 GPT-6 Luna 和 Claude Haiku 5.5,成本分别为二者的 65% 和 20%。

Microsoft 从 Flash 模型衍生出 MAI Work Flash。它运行在 Microsoft 365 和 Fabric IQ 中。Microsoft 表示,在内部 Excel 和 PowerPoint 基准测试中,它与 GPT-6 Luna 持平。在 Word 中,它的表现与 GPT-6.1 Sol 相似,同时消耗的输入 token 减少约 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 的价格为每百万输入 token 0.50 美元,每百万输出 token 2.50 美元此促销价持续至 2027 年 5 月 17 日,之后为 1 美元和 5 美元。MAI Code 2 Flash 在此之前的价格为 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,基准测试经过清理

MAI Cyber 2 Flash据 Microsoft 称,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:Microsoft

在评估过程中,Microsoft 发现约 900 个 CyberGym 任务中有 10% 与其自身训练数据的部分内容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,Microsoft 还是为所有模型移除了这些任务,仅对其余任务评分。

目前还缺少与 GPT-6 Cyber 的对比。该模型仅向部分客户开放。Microsoft 表示,带工具的智能体基准测试仍需要额外的安全措施。该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%。MAI Cyber 模型已处理近 40% 的扫描,涉及Microsoft 的安全平台 MDASH,新闻稿中写道。

Microsoft 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。

Microsoft 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動作中进行选择,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,而不是基于错误决策采取行动。如果信息不完整,该模型被设计为弃权。

它的基础是 Google 的混合专家模型Gemma 4 26B A4B。其前身基于 Qwen3.5-9B 构建。Microsoft 在数百个合成和授权数据集上通过监督微调和强化学习训练了新模型,并在专有推理引擎上运行它。

在Artificial Analysis 的 Decision Index v2.1上,Decision 1.1 得分为 68 分。这比其前身高出 6 分,并高于 Jev 1.14、Gemini Decision 1 和 GPT-6 Luna (Decisions)。Microsoft 还在 102 个内部基准测试、超过 385,000 个问题上对其进行了测试,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。Microsoft 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 功能控制任务获得多少推理投入。

Microsoft 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 比其前身提升 6 分,响应速度提高一倍以上。| 图片:Microsoft

另一个专用模型出现在Book of News用于 Ignite。Microsoft-Retriever-1 在 Foundry IQ 中为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回答。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 现在也会从扩展后的模型池中自动选择。

图像编辑能力略领先于 OpenAI

MAI Image 2.7以 5,478 票获得的 1,215 Elo 分数领跑 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 张图像的成本约为 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:Microsoft

该模型可以更改单个对象的颜色、材质或位置,而不改变图像的其余部分。它还能生成透明背景。较小的 Flash 变体成本不到三分之一,并为 MAI Labs 中的新图像编辑器 Canvas 提供支持。自 6 月以来,MAI Image 一直是 Bing Image Creator 中的默认模型。微软表示,Adobe、Figma Weave、Minute(Sports Illustrated)、Wirestock 和 Manus 都与 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: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。它旨在处理打断、等到说话者说完,并在有背景噪音时也能识别请求。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过来。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,护士可以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 中所有的医患转录。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。对于自家的大模型,微软现在使用 Maia 200 芯片,这是其 AI 加速器的第二代产品,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。

授权权重仅可通过微软客户团队获取

借助MAI 授权权重,企业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,只有在获得明确同意的情况下,才会将其用于训练自家模型。

该公司将这一产品定位为开源权重的替代方案,因为开源权重的来源和行为对企业而言难以验证。一个例子是美国运营商 AT&T,据报道,其为 5G 网络运营分析定制的模型在标准任务上表现优于 GPT-6.1 Sol,而成本仅约为五十分之一。发布日期和定价仍未确定。感兴趣的企业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 中进行有限预览。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 以及通过 Vercel 的AI Gateway 全面可用MAI Realtime 1 可在MAI Labs中试用,并以 Foundry 预览版形式提供,在公开预览版发布前免费。MAI Cyber 2 Flash 为微软安全产品专属。在 MDASH 中,自 12 月中旬起,它将自动替换符合条件的客户 MAI 配置中的现有模型。

今年 4 月,微软与 OpenAI重组了合作关系。OpenAI 现在可以通过任何云服务商销售其产品,但 Azure 仍是其主要云合作伙伴。微软持有 OpenAI 模型和产品的非独家授权,有效期至 2032 年。