
在Ignite 2026大会上,微软正式发布七款全新MAI系列AI模型,涵盖编程、网络安全、图像编辑、语音对话、医疗转录及决策支持等领域。微软宣称,新模型能在保护企业核心数据隐私的前提下,以远低于竞争对手的价格提供主流性能,直击AI应用高昂电力与算力成本的痛点。
安全与编程:性能对标头部,成本大幅降低
在网络安全领域,MAI Cyber 2 Flash表现抢眼。据微软团队披露,该模型在CyberGymE2E安全基准测试中击败GPT-6 Astra,而每项任务成本不足后者的2%。这款专为生产系统智能体设计的模型,旨在实现持续检查与防御,同时避免传统频繁更新带来的中断风险。
编程方面,MAI Code 2据称仅需GPT-6.1 Sol约40%的价格,即可达成其98%的性能;对比Claude Opus 5.5,其成本仅为5%,性能达到96%。基于四个常见企业开发任务基准的评估显示,该模型虽未在基础科学研究等复杂长周期任务上优化,但在常规开发中极具竞争力。此外,轻量级版本MAI Code 2 Flash已集成至GitHub Copilot及Microsoft Foundry预览版,其性能持平GPT-6 Luna(价格为后者65%)或Claude Haiku 5.5(价格仅为后者20%)。
多模态与垂直领域:价格战延伸至图像、语音与医疗
图像生成领域,MAI Image 2.7在Artificial Analysis排名中位列第一,价格仅为GPT Image 2.6 Sunburst Max的五分之一。针对批量生成需求推出的Image 2.7 Flash变体,定价约为每千张图片10美元。
语音交互模型MAI Realtime 1起步价为每分钟音频1美分,微软称其在评估中优于GPT-Realtime 2.1。医疗健康领域则更新了Dragon Copilot背后的引擎MAI Transcribe 2,该技术每月处理一千万次患者接触记录,并将多语言转录错误率降低50%。
底层加速与路由优化
第七款模型Decision 1.1充当“智能路由器”,负责判断何时调用更昂贵的AI系统。微软声称其速度比GPT-Sol 6.1快50倍,成本低79倍。硬件层面,第二代Maia 200加速器已进入量产阶段,每瓦特处理的令牌数量提升1.7倍。
尽管上述优势均基于特定基准测试,客户仍需结合实际工作负载进行验证。此举标志着微软不再满足于单纯集成外部智能技术,而是通过自研模型矩阵,试图重塑市场对AI性价比的认知。