Jonathan Kemper 查看 Jonathan Kemper 的 LinkedIn 资料 2026 年 11 月 18 日
由 THE DECODER 提示 GPT-Image-2 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。这些模型的目标都是降低常驻运行的 AI 智能体的运营成本。
- 这些模型以更便宜的替代方案瞄准 OpenAI 和 Anthropic 的系统。在内部基准测试中,代码模型 MAI Code 2 几乎追平 GPT-6.1 Sol 和 Claude Opus 5.5,成本却只有后者的一小部分。在 CyberGym-E2E 漏洞测试中,MAI Cyber 2 Flash 略微领先 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。
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。衡量的主要标尺,就是其自家合作伙伴 OpenAI 的模型阵容。
在 Ignite 大会上,MAI 一次性发布了七款新模型,而不是分散在全年陆续推出,这与它在 6 月 Build 大会上的做法一致。微软主要从性价比角度定位这一新阵容。该公司提到客户 token 支出正快速上升,而这些客户希望全天候运行 AI 智能体。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
根据微软的说法,MAI Code 2 在四项基准测试中平均达到 GPT-6.1 Sol 性能的 98%,成本却只有 40%。对比 Claude Opus 5.5,它达到后者性能的 96%,成本仅为 5%。微软在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 上进行了测试。其中三项测试在微软内部的 MSBench 平台上运行,使用 GitHub Copilot CLI,且不使用子智能体。微软为其自有模型计算了 50% 的促销折扣。
广告
微软表示,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。
作为 MAI-Code-1.1-Flash 的后继者,MAI Code 2 Flash 面向代码解释、定向修改和常规修复。据说它在成本和性能上分别达到 GPT-6 Luna 和 Claude Haiku 5.5 的 65% 和 20%。
微软从 Flash 模型衍生出了 MAI Work Flash。它运行在 Microsoft 365 和 Fabric IQ 中。微软表示,在内部 Excel 和 PowerPoint 基准测试中,它可媲美 GPT-6 Luna。在 Word 中,它的表现与 GPT-6.1 Sol 相似,同时消耗的输入 token 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。
广告
在 GitHub Copilot 中,MAI Code 2 的促销价格为每百万输入 token 0.50 美元、每百万输出 token 2.50 美元,促销期持续到 2027 年 5 月 17 日,之后分别为 1 美元和 5 美元。MAI Code 2 Flash 在此之前分别为 0.05 美元和 0.25 美元,之后涨至 0.10 美元和 0.50 美元。
安全模型与经过清理的基准测试
微软表示,MAI Cyber 2 Flash 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%,而按 token 计算的成本仅为后者的百分之一。在 WebExploitBench 上,它得分 40.4%,领先 GPT-5.6 Cyber 的 38.4%。
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来自相同的开源项目和漏洞报告。公司表示,参考解决方案从未进入训练数据。不过,微软还是为所有模型移除了这些任务,仅对其余任务评分。
广告
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,使用工具的智能体基准测试仍需要额外的安全措施。公司计划在未来几周内公布这些结果。
上下文窗口为 100 万 token,是 MAI Cyber 1.1 Flash 的四倍。输出 token 的成本比前代低 86%。新闻稿称,MAI Cyber 模型已经处理了微软安全平台 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 美元、每百万输出 token 0.50 美元,而 GPT-6 Astra 分别为 10 美元和 50 美元。在 CyberGym-E2E 上,这意味着每项任务成本为 0.45 美元,而不是 34.38 美元。
微软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。
它的基础是 Google 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,在数百个合成数据集和授权数据集上训练了新模型,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。这比前代高 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(超过 385,000 个问题)上进行了测试,它在八个决策模型中取得了最高的平均准确率。
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,其自动功能控制任务获得的推理工作量。
微软收费为每百万输入 token 0.042 美元,在欧盟数据区为 0.05 美元。输出 token 免费。
Ignite 的新闻手册中还有另一款专用模型。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,直到掌握足够材料以给出有充分依据的答案。微软表示,这比之前的方法更快、更高效。Retriever-1 以预览形式推出。Foundry 中的 Model Router 现在也能从扩展后的模型池中自动选择。


