微软用自研模型替换外部 AI 模型以降低成本

作者:Jonathan Kemper原标题:Microsoft is replacing outside AI models in its own products with cheaper in-house alternatives
78AI 研判分

微软 AI 部门在 Ignite 大会上发布七款面向代码、安全、图像、语音与工作流决策的专用模型,核心目标是压低常驻 AI 智能体的运营成本。其中 MAI Code 2 在内部基准上接近 GPT-6.1 Sol 与 Claude Opus 5.5,但成本大幅更低;MAI Cyber 2 Flash 在漏洞测试上略胜 GPT-6 Astra。微软还将允许企业客户在 Azure 上用自有数据微调部分模型权重,进一步强化自研模型对 OpenAI、Anthropic 的替代意图。

报道正文

本文目录8 个章节

微软正用更便宜的自研替代方案,替换自家产品中的外部 AI 模型

文本
  [Jonathan Kemper](https://the-decoder.com/author/jonathan-kemper/) [查看 Jonathan Kemper 的 LinkedIn 个人资料](https://www.linkedin.com/in/jonathankemper/)   2026年11月18日         GPT-Image-2 由 THE DECODER 提示生成      

要点

  • 微软的 AI 部门在 Ignite 大会上发布了七款专用模型,分别面向代码、IT 安全、图像编辑、语音和工作流决策。这些模型都旨在降低常驻运行 AI 智能体的运营成本。

  • 这些模型以更便宜的替代方案为目标,对标 OpenAI 和 Anthropic 的系统。在内部基准测试中,代码模型 MAI Code 2 的表现几乎与 GPT-6.1 Sol 和 Claude Opus 5.5 持平,而成本仅为后者的一小部分。在 CyberGym-E2E 漏洞测试中,MAI Cyber 2 Flash 略胜 GPT-6 Astra。

  • 除了图像模型 MAI Image 2.7、语音模型 MAI Realtime 1 以及基于 Google Gemma 的路由模型 Decision 1.1 之外,微软还将允许企业客户在 Azure 云中用自有数据微调部分模型的权重。

    文本
    询问关于本文的问题……   搜索        

微软 AI(MAI)正以面向代码、安全、图像、语音和路由的新模型,瞄准常驻运行的 AI 智能体。主要的衡量基准,正是其自家合作伙伴 OpenAI 的产品阵容。

在 Ignite 大会上,MAI 发布了七款新模型,并且像六月的 Build 大会那样,一次性集中发布,而非分散在全年陆续推出。微软主要从性价比角度为这一新阵容定位。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困难的工作进行优化。

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%。与 Claude Opus 5.5 相比,它以 5% 的成本达到了 96% 的性能。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 且未使用子代理。Microsoft 为其自家模型计算了 50% 的促销折扣。

Microsoft 表示,在对 UI、游戏、数据可视化和 SVG 图形等前端工作进行盲测对比时,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。

广告 柱状图对比 MAI Code 2、GPT-6.1 Sol 和 Claude Opus 5.5 的成功率与每任务成本。平均值分别为 63.2%、64.1% 和 65.3%,每任务成本分别为 $0.31、$0.76 和 $6.31,并按 DeepSWE 1.1、Terminal Bench 2.1、SWE Atlas 和 FrontierCode v1.1 分项列出。MAI Code 2 在成功率上略微落后于 GPT-6.1 Sol 和 Opus 5.5,但按促销价格计算,每任务成本仅为其一小部分。| 图片:Microsoft

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。据称它能在 GPT-6 Luna 和 Claude Haiku 5.5 各自成本的 65% 和 20% 下达到与之相当的水平。

Microsoft 从 Flash 模型衍生出了 MAI Work Flash。它运行于 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 相当。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 的促销价格为每百万输入 token $0.50、每百万输出 token $2.50,有效期至 2027 年 5 月 17 日,之后为 $1 和 $5。MAI Code 2 Flash 在此期间为 $0.05 和 $0.25,之后上涨至 $0.10 和 $0.50。

安全模型与经过清理的基准测试

MAI Cyber 2 Flash 在 CyberGym-E2E 漏洞基准测试中解决了 92.3% 的任务,微软表示。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%,而每 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%。

广告 三张柱状图对比 MAI Cyber 2 Flash 与 GPT-6 Astra 在 CyberGym-E2E 上的表现:成功率分别为 92.3% 和 91.5%,每任务输出 token 分别为 38,700 和 55,200,每任务成本分别为 $0.45 和 $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 个 CyberGym 任务中有 10% 与其自身训练数据的部分内容引用了相同的开源项目和漏洞报告。微软表示,参考解决方案从未进入训练数据。不过,微软仍为所有模型移除了这些任务,仅对其余任务进行评分。

目前尚缺与 GPT-6 Cyber 的对比。该模型仅向部分客户开放。微软表示,涉及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 成本比前代低 86%。新闻稿指出,MAI Cyber 模型已处理 微软安全平台 MDASH 上近 40% 的扫描任务。

微软将 MAI Cyber 2 Flash 定价为每百万输入 token $0.10、每百万输出 token $0.50,而 GPT-6 Astra 分别为 $10 和 $50。在 CyberGym-E2E 上,这意味着每任务成本为 $0.45,而非 $34.38。

微软的决策模型现已运行在 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。

其基础是 Google 的混合专家模型 Gemma 4 26B A4B。其前代模型基于 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。这比其前代高出 6 分,并高于 Jev 1.14、Gemini Decision 1 和 GPT-6 Luna (Decisions)。微软还在 102 个内部基准测试(包含超过 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,它决定请求是发送给 Copilot 还是 Cowork。微软表示,它的表现与大型语言模型一样准确,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。

微软对每百万输入 token 收费 0.042 美元,在欧盟数据区为 0.05 美元。输出 token 免费。

Artificial Analysis Decision Index 得分与每任务耗时(毫秒,对数刻度)的散点图。Microsoft-Decision-1.1 在左侧高亮区域得分为 68 分,并有箭头从 Microsoft-Decision-1 标注“+6 分,快 2.2 倍”。图中还显示了 Jev 1.14、Gemini Decision 1、GPT-6 Luna (Decisions) 及其他决策模型。在 Artificial Analysis 的 Decision Index 上,Decision 1.1 比其前代提高 6 分,响应速度提高一倍以上。| 图片:Microsoft

Book of News 中又出现了一款面向 Ignite 的专用模型。Microsoft-Retriever-1 为 Foundry IQ 中的智能体从企业文档中收集相关信息。该模型并非执行单次搜索,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 以预览版形式发布。Foundry 中的 Model Router 现在还能从扩展后的模型池中自动选择模型。

图像编辑能力略胜 OpenAI 一筹

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。它领先 GPT Image 2.6 Sunburst(max)4 分,而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 的成本约为每 1,000 张图像 35 美元。Flash 版本约为 10 美元。

散点图:图像编辑质量(Elo)与每 1,000 张图像的 API 价格(对数刻度)对比。MAI Image 2.7 和 2.7 Flash 位于左上方的帕累托前沿;GPT Image 2.6 Sunburst 和 Nano Banana Pro 位于其右侧。根据 Artificial Analysis 的数据,MAI Image 2.7 和 2.7 Flash 以低得多的价格达到了与 GPT Image 2.6 Sunburst 相当的编辑质量。| 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 都在使用 MAI Image。

文字“MAI Image 2.7”位于同一只浅棕色贵宾犬的多个变体前方,这些变体分别以孤立形式和置于露台场景中的形式展示。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。它被设计用于处理打断、等待说话者说完,并且即使在有背景噪音的情况下也能识别请求。对于更困难的任务,它会回退到一个按 token 计费的更强大的推理引擎。基础费率按音频分钟计费。微软表示,在 Big Bench Audio、τ-Voice 以及与 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,护士将使用它来练习与患者的对话。

Big Bench Audio 得分与每小时输入音频成本的散点图。MAI Realtime 1 以 98.9% 的得分和 1.35 美元的成本位于左上角;GPT-Realtime-2.1 High、Gemini 3.8 Live 和 Eleven Realtime 则位于更靠右或更低的位置。根据微软自己的测量,MAI Realtime 1 在 Big Bench Audio 上得分最高,且成本相对较低。| 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。对于自己的大型模型,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。

微软按每音频分钟一美分收费。推理额外收费为每百万输入 token 1 美元,每百万输出 token 5 美元。

授权权重仅通过微软客户团队提供

通过 MAI Licensed Weights,公司可以用自己的数据微调 MAI 模型,并在自己的 Azure 环境中运行它们。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。

该公司将这一定位为开放权重的替代方案,因为开放权重的来源和行为难以让企业核实。一个例子是美国运营商 AT&T,据称其为 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,而成本仅约为后者的五十分之一。发布日期和定价仍待公布。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 中处于有限预览阶段。OpenRouter、Vercel、Hermes、Open Code 和 Kilo 预计将随后跟进。MAI Image 2.7 和 Flash 已在 Foundry 以及 fal、Genspark、OpenRouter 和 Vercel 上进入公开预览。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,并作为 Foundry 预览版提供,在公开预览发布前免费。MAI Cyber 2 Flash 为微软安全产品独占。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 配置中的现有模型。

今年 4 月,微软和 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 仍是其主要云合作伙伴。微软持有 OpenAI 模型和产品的非独占许可,有效期至 2032 年。