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
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.