微软用自研模型替换外部 AI 模型以降低成本
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
[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
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
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。
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。
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。
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。
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。