微軟自研 AI 模型導覽 - MAI Models

繼續消化本屆 Build 大會資訊，這篇要看的是新發佈的七款微軟自家研發 AI 模型，涵蓋推理、程式開發、影像、語音，與 GPT 模型重疊，意味微軟會從完全依賴 OpenAI 轉型為走自己的路。

微軟的 AI 部門 (Microsoft AI) 有註冊自己的獨立域名，就叫 microsoft.ai 😄，自研模型未來會用在 Office、Teams 等產品，目前也已加入 Github Copilot 的可選模型清單，應該有機會用到，稍微認識一下也好。

目前公開的資訊不算多，所以我從官方公告 Building a hill-climbing machine: Launching seven new MAI models 出發一窺究竟。

1. MAI-Thinking-1
   本波的旗艦推理模型，中等規模 (35B 活躍參數、總參數 1T，MoE 混合專家模型) ，在軟體工程基準盲測中表現優於 Sonnet 4.6。 模型從乾淨資料從零開始訓練，沒有採用蒸餾技巧，這有幾點好處，一則能避免智慧財產權爭議，二來能力極限不會受制第三方模型的上限。而從原始資料開始訓練，主要是想確保資料品質、可追溯，提高模型的可解釋性。
   目前模型當在 Private Preview 階段，開放申請試用。
2. MAI-Code-1-Flash
   主打推理效率的 Agent 程式開發模型，專為 GitHub Copilot、VS Code 和 Microsoft 技術棧量身定制並深度整合，擁有 5B 活躍參數，性能可與 Haiku 媲美但價格便宜，輸入 1M 0.75 美元，輸出 5 美元。
3. MAI-Image-2.5 及 MAI-Image-2.5-Flash
   支援文字轉影像和影像編輯，Arena 評測得分有超過 Nano Banana Pro。目前在 Azure Foundry 已可實測，小測效果還行，但圖片裡文字正確度不如 GPT-Image-2 或 Nano Banana 2。
   
4. MAI Transcribe-1.5
   轉錄模型，準確率達到目前的頂尖水準(SOTA, State-Of-The-Art)，速度比 Gemini 3.1, Scribe v2, GPT-4o-Transcribe 等同類模型快五倍，並且內建支援 43 種語言的領域特定術語。
5. MAI-Voice-2 及 MAI-Voice-2-Flash
   支援 15 種語言高品質、自然語音生成，能根據短樣本進行語音自適應，並具備強大的防濫用保護機制。語音展示 MAI-Voice-2-Flash 則主打用更低的成本和更高效率實現接近 MAI-Voice-2 的品質。

除了現成模型，Microsoft Frontier Tuning 允許企業使用自訂數據訓練出自己的模型，讓效能與品質更符合企業特定需求。現在實例是針對 Excel 優化的 MAI 模型與 GPT 5.4 的性能相當，但效率提升了 10 倍。

此外，我一直以為微軟沒有研發自家 AI 晶片，但實際上是有的 - Maia 200，採用台積電 3 奈米製程，內建原生 FP4 與 FP8 Tensor 核心，配置 216GB HBM3e、7TB/s 記憶體頻寬與 272MB 晶片內 SRAM，整體設計明確鎖定低精度推論與高 Token 吞吐需求。其 FP4 運算效能約為第三代 AWS Trainium 3 倍，FP8 效能則高於 Google 第七代 TPU，在資料中心實際部署中效能成本比提升約 30%。

參訪完畢。