Сегодня 17 ноября 2026
18+
MWC 2018 2018 Computex IFA 2018
реклама
Новости Software

Microsoft представила ИИ-модели для работы с изображениями и речью — они значительно экономнее аналогов OpenAI

Microsoft выпустила в публичный предварительный просмотр две новые модели искусственного интеллекта собственной разработки. MAI-Image-2.5-Pro является флагманским генератором изображений в ассортименте компании; MAI-Voice-2-Flash предназначается для распознавания речи в условиях больших объёмов корпоративных рабочих нагрузок.

 Источник изображений: microsoft.ai

Источник изображений: microsoft.ai

Софтверный гигант привёл данные о производительности обеих моделей как самый убедительный аргумент в пользу того, что он может использовать собственные продукты, не полагаясь на разработки OpenAI. Сейчас ИИ-модели Microsoft работают в большом числе продуктов компании: Bing, PowerPoint, OneDrive, Dynamics 365, Excel, GitHub Copilot и Azure — это уже не исследовательские проекты, а рабочая инфраструктура, обслуживающая миллионы клиентов. «Каждое из этих улучшений — шаг к одной и той же цели: продукты Microsoft, работающие на основе моделей Microsoft», — подчеркнули в компании.

В кривой «качество-скорость-стоимость» две новые модели занимают противоположные позиции, и это намеренно. MAI-Image-2.5-Pro выступает разработкой премиум-класса: она генерирует изображения высокого качества, обеспечивает детальное их редактирование и точную отрисовку текста. При доступе через API работа с моделью обойдётся $5 за 1 млн текстовых токенов на вводе, $8 за 1 млн токенов изображений на вводе и $106 за млн токенов изображений на выводе. Базовая MAI-Image-2.5 недавно заняла второе место в рейтинге моделей для редактирования изображений на платформе Arena.

MAI-Voice-2-Flash имеет прямо противоположное позиционирование. Она работает вдвое быстрее, чем базовая MAI-Voice-2-Flash, и стоит на 32 % дешевле — $15 за 1 млн знаков. Модель разработана для рынка высокопроизводительной голосовой связи: кол-центров, голосовых агентов и приложений для обработки речи в реальном времени, где важна низкая задержка. У творческой студии, которая стремится к максимальной точности, совершенно иные потребности, чем у службы поддержки клиентов, обрабатывающей миллионы звонков в день.

Microsoft также рассказала об успехах во внедрении собственных моделей. Сервис Bing Image Creator полностью переведён на MAI-Image-2.5; в PowerPoint эта модель помогла снизить затраты на ресурсы графического процессора на 84 % по сравнению с OpenAI GPT-Image-2; она помогла оптимизировать обработку задач в облачном хранилище OneDrive. Новую MAI-Voice-2-Flash развернули на платформе Dynamics 365 Contact Center, снизив затраты на ресурсы графических процессоров на величину до 89 %; её также интегрировали в сервис Azure Voice Live для разработчиков. Сервис Microsoft Dragon Copilot, которым пользуются 170 000 медицинских учреждений, и который за I квартал обработал 28 млн обращений пациентов, переведён на модель MAI-Transcribe-1.5 с поддержкой 58 языков.

Облегчённая модель MAI-Code-1-Flash для написания кода в июне начала работать на платформе GitHub Copilot — по сравнению с OpenAI GPT-5.4 Mini и Anthropic Claude Haiku 4.5 она обеспечивает на 10 % более высокое принятие кода при сниженном на 10 % медианном потреблении токенов. Пользователи на 6 % чаще снова выбирают её, чем GPT-5.4 Mini, и на 11 % чаще, чем Claude Haiku 4.5. Microsoft дополнительно обучила её работе в Excel, и в большинстве наиболее распространённых задач она стала выступать на уровне GPT-5.6, хотя она достаточно мала, чтобы работать на устаревших ускорителях Nvidia H100 и даже A100.

Было интересно? Скажите об этом Google, чтобы чаще получать ссылки на наши новости про аудиоредакторы

Источник:

Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER.
Материалы по теме

window-new
Soft
Hard
Тренды 🔥
Теперь и перепройти можно: ролевой боевик The Blood of Dawnwalker от ветеранов The Witcher 3 и Cyberpunk 2077 получил патч 1.2 с «Новой игрой +» 45 мин.
Microsoft не обманула: независимые тесты подтвердили ускорение Windows 11 на системах с 8 Гбайт памяти 2 ч.
Sony отбилась от иска на £2 млрд в Великобритании — компанию обвиняли в завышении цен на игры в PlayStation Store 3 ч.
Моддер запустил классическую Doom на флешке — игра выдаёт 13 кадров/с, а управляется копированием файлов 3 ч.
От Ikea до Zoom: хакеры скомпрометировали популярные сайты по всему миру 5 ч.
Взломщик Rockstar предстал перед судом и признал вину за массовую утечку GTA VI — студия потеряла из-за него миллионы долларов 6 ч.
Россияне массово жалуются на сбои Google, Deepseek, Twitch, Discord и «Ростелекома» 7 ч.
«123456» снова стал самым популярным паролем в мире — седьмой год подряд 7 ч.
Китай поставил дистилляцию американских ИИ-моделей на промышленный поток 9 ч.
Новые отражения, улучшенное освещение и «полностью оптимизированный» Зен: для Black Mesa вышло крупнейшее обновление за последние годы 11 ч.
Apple начала продавать запчасти и инструменты для самостоятельного ремонта iPhone Duo 2 ч.
После скандала Nvidia взяла экспорт чипов под особый контроль — в компании создали комитет по нацбезопасности 3 ч.
Нордическая ИИ-гигафабрика: Финляндия, Эстония, Латвия и Швеция вместе построят распределённую ИИ-инфраструктуру 3 ч.
Lambda развернула CPO-коммутаторы NVIDIA Quantum-X 3 ч.
Представлены глобальные версии смартфонов Xiaomi 18 Pro и 18 Pro Max — батареи меньше, а цены выше 3 ч.
Xiaomi выпустила смарт-часы Watch S5 41 мм, смарт-браслет Smart Band 11 и наушники-клипсы Clip на глобальный рынок 3 ч.
«Сбер» представила «СберБум Трек» — портативную умную колонку с «ГигаЧатом» за 14 990 рублей 4 ч.
Curator: в преддверии Черной пятницы активность вредоносных ботов выросла на 20 % 5 ч.
OpenAI арендует у TensorWave 457 МВт ИИ-мощностей на базе AMD Instinct 6 ч.
Платформа NVIDIA Vera Rubin обошла конкурентов во всех тестах MLPerf Training v6.1 6 ч.