微軟 MAI 模型家族正式亮相
本週微軟 AI 團隊宣布推出了由內部自主研發的全新系列模型，共包含七款。除了模型本身，微軟也正在打造一個「超級智能實驗室」（Superintelligence Lab），這套系統與研發方法將定義 AI 的下一個發展階段。
我們正處於一個AI發展高速且非凡的科技時代。訓練前沿模型的算力（Compute）已經增長了 1 兆倍，且預計未來三年內還會再增長 1,000 倍。這場算力飆升將徹底改變工作與生活的本質，而 MAI 的職責就是推動前沿科技，建造一台「登山機」（Hill-climbing Machine），讓使用者始終保持在技術最前線。
自主研發的 MAI 模型家族
這次推出的模型涵蓋了影像、語音、程式編碼與推理領域，構成了一個完整的多模態生態系統：
* MAI-Thinking-1：旗艦級推理模型，在軟體工程與數學推理表現優異，且完全從零開始訓練，無使用知識蒸餾。
* MAI-Code-1-Flash：專為 GitHub Copilot 與 VS Code 打造的代理型編碼模型，具備 50 億參數，強調高效率與低成本。
* MAI-Image-2.5：支援頂尖的圖像生成與編輯功能。
* MAI Transcribe-1.5 & Voice-2：提供極速的語音轉文字（快 5 倍）與 15 種語言的高質量語音生成。
這些模型共享相同的數據規範與基礎設施，且首度允許開發者親自調整模型權重，實現高度的自主性。
前沿微調（Frontier Tuning）：打造專屬組織的 AI
微軟認為 AI 的未來在於「完全適應特定工作流程」。透過微軟前沿微調（Microsoft Frontier Tuning），企業可以使用自己的數據（如工作軌跡、決策步驟）在強化學習環境（RLEs）中訓練模型。
這種做法不僅能確保數據主權，還能大幅提升效率。例如，微軟為 Excel 微調的模型性能可媲美頂尖模型，但效率提升了 10 倍；與其合作的麥肯錫的微調案例也顯示成本降低了約 10 倍。
產業落地：與梅奧醫學中心的深度合作
除了麥肯錫，在醫療等高敏感領域，微軟與梅奧醫學中心（Mayo Clinic）合作開發醫療專屬 AI 模型。該模型結合了臨床專業知識與去隱私化的數據，旨在達成精準的臨床推理與診斷。該模型的所有權歸梅奧醫學中心所有，確保了數據隱私與安全。
願景：人文主義超級智能
微軟強調其終極目標是「人文主義超級智能」（Humanist Superintelligence）。這意味著 AI 應作為工具服務於人類，由人類意圖塑造，並始終受人類監督與控制。
讀後感：效率與成本的博弈
當大家在社群對Github Copilot進行各種嘲諷時，微軟在6/2發表了一系列自家模型 MAI ，針對影像、語音、轉錄、程式撰寫等等方面都釋出了相對應的模型，宣示著這家老字號的科技巨頭也不落人後，建構出自己的AI版圖。
效率至上，好品質及低費用
不談極致的能力，而是談效率，在同樣的成本中可以獲得較好的輸出，並述說MAI可以節省更多token的使用，創造效益。
而各項模型用來做為比較的都不是其他對手的前沿模型，思考、程式撰寫還有圖片生成分別對應Sonnet 4.6、Haiku 4.5以及nano banana pro，並提到前沿微調可以優化個人或企業更好的使用體驗，也表示MAI有能力在工作流中逐漸改善推理的能力。
提到很多，就等各路開發好手實測，我們靜待大神們的分享。值得思考的是，回到Github Copilot目前策略，似乎是要為MAI模型鋪路？
實際上線的使用成果值得關注
不斷提到效率的MAI，以MAI-Code-1-Flash作為首發賣點(可見部落格中其他篇模型簡介)，提到項相較Haiku 4.5可以有更好的Coding品質以及節省大量token使用量，作為Github Copilot未來提供的選項之一，能不能扭轉形勢這次初試啼聲顯得十分重要。
但自己實在是對Haiku 4.5沒有什麼印象，去年推出時有一些開發者給出不差的評價，但是要勝任比較複雜的任務或是較長時間的上下文問題，能不能給力，可能要打個問號，畢竟現在已經2026年中了，模型能力是否滿足開發者的要求也很值得觀察。
如果前面Github Copilot的策略是為了給MAI一個練兵、曝光的機會，那也期待微軟加加油，前面的三巨頭衝得很快，開發者使用後能不能持續採用，其實很快就會有初步答案。不過有新模型還是很值得令人興奮，就讓我們一起持續關注。
原始文章連結：[Building a Hill-climbing Machine: Launching Seven New MAI Models](https://microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models/)
