微軟發布 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash 兩款新模型，並公布 GPU 成本最高降 89% 的內部資料，宣稱自研模型已能在多項產品線取代 OpenAI 前沿模型，同時把訓練心法包裝成 Azure 新商品對外銷售。 （前情提要：微軟一口氣推 7 個自研模型 MAI：強調合規「零蒸餾」，開放模型微調吸引企業用戶） （背景補充：微軟與OpenAI合作是「開放式婚姻」：不尋常又貌合神離）
本文目錄
Toggle
微軟週三公布了一組數字：客服中心把語音模型換成自家的 MAI-Voice-2-Flash 之後，算力成本降低 89%。同時微軟還推出兩款新模型，MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash，進入公開預覽，分別鎖定高階影像生成與大量語音處理。
這場自建模型的宣示，其實早有伏筆。路透社今年四月報導，微軟與 OpenAI 原本的獨家授權，已經被改寫成非獨家安排；The Information 去年九月也披露，微軟開始在部分產品中匯入 Anthropic 的模型。
微軟執行長 Nadella 在 X 上以《前沿擴散與控制》為題發文，把這套邏輯講得很白：飽和的前沿能力，如今可以用更低成本，透過針對高頻場景最佳化的模型大規模提供，「只要自家模型表現持平或超越前沿替代方案，就開始把流量導向 MAI」。
https://t.co/GUwbNABiw6 — Satya Nadella (@satyanadella) July 23, 2026
https://t.co/GUwbNABiw6
— Satya Nadella (@satyanadella) July 23, 2026
他也強調，「來自 OpenAI 與 Anthropic 的前沿模型，依然是整套協調系統的一部分」，但同時提出一項模型獨立性原則：評測系統「即使拿掉任何一個模型，都應該繼續往上爬」。換句話說，把配套系統、記憶與技能留在模型之外，才是微軟真正握在手上的控制權。
三角關係至此成形：微軟是協調者，OpenAI 與 Anthropic 的前沿模型變成可替換零件，自家模型則吃下越來越多的日常流量。
支撐這套敘事的，是微軟另一篇公告裡揭露的方法論，「hill-climbing」策略。簡單來說就是，讓資料、模型與產品「配套系統」形成一套持續疊代的飛輪，而不是靠單一次訓練定生死。
最具代表性的例子是 GitHub Copilot 裡的輕量模型 MAI-Code-1-Flash。微軟宣稱它在 VS Code 中的程式碼採用率，比 GPT-5.4 Mini 與 Claude Haiku 4.5 高出約 10%，用掉的 token 卻少 10%。
接著微軟把這顆模型丟進 Excel 的強化學習環境裡「加練」，結果是一個體積小到能跑在舊款 H100、甚至 A100 GPU 上的模型，在多數 Excel 任務上打平 GPT-5.6，不必動用最新一代晶片就能做到，也讓最新的 GB200 叢集能挪去做訓練，而非單純服務請求。
微軟沒有把這套心法留在內部。透過 Foundry 與所謂的 Frontier Tuning，企業客戶可以拿自己的資料訓練專屬模型，把微軟的省錢實驗，直接包裝成 Azure 的新商品。微軟也特別強調，這些模型訓練自「乾淨、可追溯的企業級資料，不經第三方模型蒸餾」，在訓練資料來源日益被究責的產業氛圍裡，這句話同樣是講給企業客戶與監管者聽的。
把心法落地成產品，微軟也秀出了具體成績單。Bing Image Creator 已全面改用 MAI-Image-2.5；PowerPoint 端，比起 OpenAI 的 GPT-Image-2，GPU 成本降低 84%；OneDrive 換模型後，儲存率提升 26%，延遲降低約 25%。
最敏感的部署落在醫療：服務 17 萬名醫療人員、上季處理 2,800 萬筆病患紀錄的 Dragon Copilot，其跨 58 種語言的轉錄工作流程改用 MAI-Transcribe-1.5 後，轉錄與語言辨識錯誤率相對降低了 50%。至於兩款新模型本身，MAI-Image-2.5-Pro 定價每百萬文字輸入 token 5 美元、每百萬圖片輸出 token 106 美元，廣告巨頭 WPP 全球創意長 Rob Reilly 在微軟公告中稱讚它是「生成媒體工具的一次重大躍進」；MAI-Voice-2-Flash 則比前代快一倍、成本低 32%，鎖定客服中心這類「量大但不追求極致表現」的場景。
但社群的反應分成兩派。一名設計師在 X 上批評，「微軟在聽取用戶意見這件事上向來做得最差」，認為公司會因此在 AI 競賽中落敗；另有網友酸微軟標榜的「模型獨立性」：「拿掉微軟之後，倒是希望這套系統還能繼續往上爬。」但也有開發者力挺，直言「為什麼改個 Excel 欄位也要動用無所不知的大模型？」並一句話總結賣點：「不要什麼都丟給最大的模型，成本和表現就會一起變好。」
懷疑論者的質疑並非無的放矢：採用率、儲存率、GPU 節省，這些數字全部來自微軟自己的內部評測，不是第三方基準測試，選哪些數字公布，決定權也在微軟手上。
1.04萬 熱度
136.27萬 熱度
7.11萬 熱度
181.6萬 熱度
12.56萬 熱度
微軟自研模型 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash 上線：GPU 成本大砍
微軟發布 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash 兩款新模型，並公布 GPU 成本最高降 89% 的內部資料，宣稱自研模型已能在多項產品線取代 OpenAI 前沿模型，同時把訓練心法包裝成 Azure 新商品對外銷售。
（前情提要：微軟一口氣推 7 個自研模型 MAI：強調合規「零蒸餾」，開放模型微調吸引企業用戶）
（背景補充：微軟與OpenAI合作是「開放式婚姻」：不尋常又貌合神離）
本文目錄
Toggle
微軟週三公布了一組數字：客服中心把語音模型換成自家的 MAI-Voice-2-Flash 之後，算力成本降低 89%。同時微軟還推出兩款新模型，MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash，進入公開預覽，分別鎖定高階影像生成與大量語音處理。
三角關係，是這樣拼出來的
這場自建模型的宣示，其實早有伏筆。路透社今年四月報導，微軟與 OpenAI 原本的獨家授權，已經被改寫成非獨家安排；The Information 去年九月也披露，微軟開始在部分產品中匯入 Anthropic 的模型。
微軟執行長 Nadella 在 X 上以《前沿擴散與控制》為題發文，把這套邏輯講得很白：飽和的前沿能力，如今可以用更低成本，透過針對高頻場景最佳化的模型大規模提供，「只要自家模型表現持平或超越前沿替代方案，就開始把流量導向 MAI」。
他也強調，「來自 OpenAI 與 Anthropic 的前沿模型，依然是整套協調系統的一部分」，但同時提出一項模型獨立性原則：評測系統「即使拿掉任何一個模型，都應該繼續往上爬」。換句話說，把配套系統、記憶與技能留在模型之外，才是微軟真正握在手上的控制權。
三角關係至此成形：微軟是協調者，OpenAI 與 Anthropic 的前沿模型變成可替換零件，自家模型則吃下越來越多的日常流量。
把訓練心法賣成一套產品
支撐這套敘事的，是微軟另一篇公告裡揭露的方法論，「hill-climbing」策略。簡單來說就是，讓資料、模型與產品「配套系統」形成一套持續疊代的飛輪，而不是靠單一次訓練定生死。
最具代表性的例子是 GitHub Copilot 裡的輕量模型 MAI-Code-1-Flash。微軟宣稱它在 VS Code 中的程式碼採用率，比 GPT-5.4 Mini 與 Claude Haiku 4.5 高出約 10%，用掉的 token 卻少 10%。
接著微軟把這顆模型丟進 Excel 的強化學習環境裡「加練」，結果是一個體積小到能跑在舊款 H100、甚至 A100 GPU 上的模型，在多數 Excel 任務上打平 GPT-5.6，不必動用最新一代晶片就能做到，也讓最新的 GB200 叢集能挪去做訓練，而非單純服務請求。
微軟沒有把這套心法留在內部。透過 Foundry 與所謂的 Frontier Tuning，企業客戶可以拿自己的資料訓練專屬模型，把微軟的省錢實驗，直接包裝成 Azure 的新商品。微軟也特別強調，這些模型訓練自「乾淨、可追溯的企業級資料，不經第三方模型蒸餾」，在訓練資料來源日益被究責的產業氛圍裡，這句話同樣是講給企業客戶與監管者聽的。
反應分兩派
把心法落地成產品，微軟也秀出了具體成績單。Bing Image Creator 已全面改用 MAI-Image-2.5；PowerPoint 端，比起 OpenAI 的 GPT-Image-2，GPU 成本降低 84%；OneDrive 換模型後，儲存率提升 26%，延遲降低約 25%。
最敏感的部署落在醫療：服務 17 萬名醫療人員、上季處理 2,800 萬筆病患紀錄的 Dragon Copilot，其跨 58 種語言的轉錄工作流程改用 MAI-Transcribe-1.5 後，轉錄與語言辨識錯誤率相對降低了 50%。至於兩款新模型本身，MAI-Image-2.5-Pro 定價每百萬文字輸入 token 5 美元、每百萬圖片輸出 token 106 美元，廣告巨頭 WPP 全球創意長 Rob Reilly 在微軟公告中稱讚它是「生成媒體工具的一次重大躍進」；MAI-Voice-2-Flash 則比前代快一倍、成本低 32%，鎖定客服中心這類「量大但不追求極致表現」的場景。
但社群的反應分成兩派。一名設計師在 X 上批評，「微軟在聽取用戶意見這件事上向來做得最差」，認為公司會因此在 AI 競賽中落敗；另有網友酸微軟標榜的「模型獨立性」：「拿掉微軟之後，倒是希望這套系統還能繼續往上爬。」但也有開發者力挺，直言「為什麼改個 Excel 欄位也要動用無所不知的大模型？」並一句話總結賣點：「不要什麼都丟給最大的模型，成本和表現就會一起變好。」
懷疑論者的質疑並非無的放矢：採用率、儲存率、GPU 節省，這些數字全部來自微軟自己的內部評測，不是第三方基準測試，選哪些數字公布，決定權也在微軟手上。