微軟發布 7 款 MAI 自研 AI 模型：能追上 OpenAI 和 Anthropic 嗎？

約 18 分鐘閱讀 · MACCOME · 最後更新：2026 年 7 月 14 日

適用讀者：關注 Build 2026 的開發者、GitHub Copilot 使用者，以及評估 Azure 多模型堆疊的企業技術決策者。2026 年 Build 大會，微軟首次公開展示 7 款自研 MAI 模型全家桶——旗艦推理模型 MAI-Thinking-1、影像/語音/轉錄/編碼系列，以及 Surface RTX Spark Dev Box 開發者主機。你將獲得：每款模型架構與定價、基準測試真實解讀（含「對標 Opus」行銷辨析）、能否追上 OpenAI/Anthropic 的戰略判斷、六步接入 Runbook 與 7 問 FAQ。結構：痛點 → 背景 → 七款模型 → Dev Box → 追趕分析 → 接入指南 → 收束轉化。程式設計助手橫向對比請見AI 程式設計助手選型矩陣。

bolt

TL;DR — 30 秒結論

  • 7 款 MAI 模型涵蓋推理、影像、轉錄、語音、編碼全模態；MAI-Code-1-Flash 已上線 GitHub Copilot，今天就在你的 VS Code 裡執行。
  • MAI-Thinking-1 稀疏 MoE（啟用 35B / 總參 ~1T），SWE-Bench Pro 52.8%——行銷稱對標 Opus 4.6，技術報告實際對標 Sonnet 4.6；當前 Opus 4.8 為 69.2%。
  • Surface RTX Spark Dev Box：128GB 統一記憶體、1 Petaflop、本機執行 120B+ 參數模型，2026 年秋季美國 Microsoft.com 發售，價格未公布。
  • 戰略訊號：Mustafa Suleyman 公開承認微軟不在「全球四大 AI 實驗室」之列，但立志進入；自研之路「才剛剛起步」。
  • 真正變局：競爭從「誰的 benchmark 最高」轉向「誰的系統最好用」——GitHub + M365 + Azure 分發是微軟最難複製的摩擦點。

六大痛點：Build 2026 發布之後，開發者最卡在哪？

微軟一口氣拋出 7 款模型，工程團隊普遍卡在以下六個決策盲區——不是不知道 MAI 存在，而是無法把發布會話術翻譯成可執行的選型與接入依據：

  1. 「對標 Opus」話術失真：發布會強調 Claude Opus 4.6，但技術報告寫的是 Sonnet 4.6；比較對象還是兩個版本前的 Opus 4.6，當前旗艦 Opus 4.8 已領先約 16 個百分點。
  2. 可用性割裂：MAI-Thinking-1 仍在私有預覽，MAI-Code-1-Flash 卻已內建 Copilot——「最強」與「今天能用」不是同一款模型。
  3. Azure 綁定 vs 多供應商：企業既想保留 GPT-5.6 又試水 MAI，但 Fine-tune 資料主權條款、計費口徑、Foundry 工作區設定各不相同。
  4. 本機 Dev Box vs 雲端 API：120B 本機推理挑戰「按 Token 付費」，但 100W 桌面機能取代雲端 Agent 編排與 7×24 常駐 Gateway 嗎？
  5. 多模態定價複雜：影像按 Token 計價（輸出 $47/1M）、轉錄按音訊小時（$0.36/h）、語音按字元（$22/1M）——FinOps 難以統一預算。
  6. 迭代代差：Anthropic 已到 Opus 4.8、OpenAI 已到 GPT-5.6；微軟第一代 MAI 剛亮相，訓練基礎設施仍在建設中。

下文按素材原文結構，逐一拆解背景、七款模型、硬體、戰略判斷與接入路徑。

背景：微軟為什麼要自研模型？

過去七年，微軟向 OpenAI 累計投入超過 130 億美元，Azure 上的 GPT 模型是其 AI 戰略的核心支柱。但這種深度依賴帶來三重隱患：

  • 成本失控：每次 API 呼叫都要向 OpenAI 付費，規模越大、利潤越薄；
  • 技術主權缺失：無法控制模型迭代節奏、資料來源、權重所有權；
  • 合約限制：原合約明確限制微軟自訓大規模模型。

轉折點發生在 2025 年底。雙方重新談判，新協議移除了模型規模限制，明確允許微軟獨立追求「超級智慧」。微軟 AI 負責人 Mustafa Suleyman 將此形容為：

「我們大概六個月前才正式從與 OpenAI 的合約中『獲得自由』，被允許用自己的 IP、自己的資料、自己的算力去追求超級智慧。這是非常早期的開始。」

Build 2026 是微軟第一次公開向世界展示這顆「自研大腦」的成果——也標誌著微軟正式宣告在模型層獨立於 OpenAI，自研 AI 之路才剛剛起步。

7 款 MAI 模型逐一拆解

發布會公布的 MAI 家族涵蓋文字推理、影像、語音轉錄、文字轉語音與編碼五大方向（含 Flash 變體）。以下按素材原文逐項展開。

MAI-Thinking-1 — 推理旗艦

一句話定位：微軟首款推理模型，主打企業級編碼與數學推理，性價比優先。

參數數值
架構稀疏 MoE（Mixture of Experts）
啟用參數35B（推理時僅啟用此部分）
總參數~1T（兆）
上下文視窗256K tokens
訓練方式從零預訓練，無第三方蒸餾
資料企業級 clean data，商業授權，可追溯
當前狀態Azure Foundry 私有預覽（可申請）

稀疏 MoE 的關鍵意義：推理時只啟用 35B 參數，遠小於 GPT-5.5、Claude Opus 等密集大模型，推理成本顯著更低，是其最大差異化優勢。

基準測試成績

基準MAI-Thinking-1備註
SWE-Bench Pro52.8%微軟稱「對標 Claude Opus 4.6」（見下方分析）
SWE-Bench Verified73.5%—
AIME 202597.0%競賽數學
AIME 202694.5%更新題目，防記憶效應
LiveCodeBench v687.7%即時程式設計題
人類盲測（vs Claude Sonnet 4.6）勝出1,276 任務，Surge 獨立評測
warning

基準資料的真實含義（重要，別被行銷話術誤導）

  • 技術報告實際表述是 "competitive with Sonnet 4.6 across a wide range of benchmarks"——Sonnet 是 Anthropic 的中端模型，不是旗艦 Opus。
  • 比較基準版本已過時：當前最新 Anthropic 旗艦是 Claude Opus 4.8（SWE-Bench Pro 69.2%），微軟選用的是兩個版本前的 Opus 4.6（53.4%）。
  • GPT-5.5 的 SWE-Bench Pro 是 58.6%，同樣高於 MAI-Thinking-1 的 52.8%。

結論：MAI-Thinking-1 是一款有競爭力的中端推理模型，成本效率突出，但若論絕對效能，與當前 Anthropic / OpenAI 旗艦仍有差距。

MAI-Image-2.5 — 文生圖 & 圖生圖

一句話定位：微軟首款同時支援文生圖和圖生圖的影像模型，Arena.ai 影像編輯榜排名 #2，文生圖排名 #3。

  • Text-to-Image：文字描述生成高品質影像
  • Image-to-Image：基於參考圖進行風格遷移、局部編輯
  • Control with Preservation：編輯影像時保留原始語意結構（不破壞構圖）
  • 已整合：PowerPoint、OneDrive，並在 Azure Foundry Model Catalog 上線

定價（Foundry 無伺服器）

版本輸入類型價格
標準版文字輸入$5 / 1M tokens
影像輸入$8 / 1M tokens
影像輸出$47 / 1M tokens
Flash 版文字 + 影像輸入$1.75 / 1M tokens
影像輸出$33 / 1M tokens

MAI-Transcribe-1.5 — 語音轉文字

一句話定位：全球 43 種語言語音轉錄，FLEURS 基準排名 #1，速度是競品的 5 倍以上。

指標MAI-Transcribe-1.5
支援語言43 種（含自動語言偵測）
FLEURS 平均 WER4.9%（業界最低之一）
Artificial Analysis WER2.4%（綜測第 3）
處理速度276× 即時（1 小時音訊秒級轉錄）
延遲改善相比 1.4 版提升 5.7 倍
特色功能Contextual Biasing（關鍵詞偏置，提升專業術語準確率）
定價$0.36 / 音訊小時

橫向對比：在 FLEURS 43 語言基準上超過 Scribe V2、Whisper-large-V3、GPT-4o-Transcribe 和 Gemini 3.1 Flash。典型場景：Teams 會議記錄、客服中心轉錄、GitHub Copilot 程式碼註解語音輸入、無障礙工具。

MAI-Voice-2 — 多語言 TTS

一句話定位：支援語音克隆的多語言文字轉語音，新增 15+ 語言與情感風格控制。

  • Zero-shot 語音克隆：輸入數秒參考音訊，即可合成指定說話人聲音
  • 情感風格（Emotion Styles）：可控制語氣、語速、情感色彩
  • 語言覆蓋：15+ 新增語言（具體名單尚未全部公開）
  • 輸出格式：MP3 音訊，24 kHz 取樣率
  • 定價：$22 / 1M 字元；Flash 版超低延遲變體適合即時語音 Agent，「即將推出」
  • 整合產品：Azure Foundry、VS Code、Dynamics 365、Microsoft Copilot

MAI-Code-1-Flash — 程式設計助手

一句話定位：專為 GitHub Copilot 和 VS Code 深度優化的推理效率編碼模型，已正式上線。

  • 上下文視窗：256K tokens（足以涵蓋超大程式碼庫）
  • 推理效率優化：低延遲、低成本，面向高頻使用場景
  • 已內建：GitHub Copilot（含 CLI 版本）、VS Code、GitHub Actions
  • 定價：$0.75 / 1M 輸入 tokens，$4.5 / 1M 輸出 tokens
  • 基準：SWE-Bench 51%，超過 Claude Haiku 4.5，在速度/成本上有明顯優勢

FrontierNews.ai 評價：在 7 款 MAI 模型中，MAI-Code-1-Flash 可能是對開發者日常影響最直接的一款——它不需要等待私有預覽，今天就在你的 VS Code 裡執行。同期還有完整版 MAI-Code-1 可透過 API 呼叫。

硬體：Surface RTX Spark Dev Box

Satya Nadella 在發布會上稱其為 "dream machine"。這不是一台普通的迷你主機——核心邏輯是把雲端 AI 算力搬到桌面，直接挑戰「按 token 付費」模式。

參數規格
核心晶片NVIDIA RTX Spark 超級晶片（Blackwell GPU + Grace CPU）
統一記憶體128GB（CPU + GPU 共享，zero-copy）
AI 算力1 Petaflop（1,000 TFLOPS）
功耗100W TDP（含 CPU+GPU）
機身陽極氧化鋁，3D 列印，1,000 散熱孔（致敬 1,000 TFLOPS）
系統Windows 11 Pro（開發者專屬預設定映像）

預裝開發環境（開箱即用）

  • WSL 2（含原生 GPU 直通 + CUDA 支援）
  • Visual Studio Code + GitHub Copilot
  • PowerShell 7（預設 Shell）
  • Python、Node.js、Git
  • NVIDIA CUDA、cuDNN
  • AI Toolkit for VS Code、Windows ML、Microsoft Foundry CLI

能跑什麼模型？

  • 本機執行 120B+ 參數模型（如 Llama 4、Qwen 3 等）
  • 1M token 上下文，互動速度流暢
  • Fine-tune 原本需要雲 GPU 執行個體才能跑的模型規模

發售資訊

  • 地區：美國（初期）
  • 通路：僅限 Microsoft.com 官網
  • 時間：2026 年秋季
  • 價格：尚未公布（消費者也可購買，非僅企業）

當你在本機跑 120B 模型時，就不需要向 OpenAI/Anthropic 支付 API 費用——但對需要 7×24 常駐 Agent Gateway、多節點 CI 或跨國協作的團隊，單機 Dev Box 仍無法取代專用遠端環境。

核心問題：微軟能追上大部隊嗎？

戰略層面——微軟歷史上最重要的一次表態

Mustafa Suleyman 在 Build 2026 說了一句格外直接的話：

「目標是證明我們能成為全球頂尖的四大 AI 實驗室之一。目前不在其中，但這正是我來微軟的目的——我要在全球範圍內建構最好的前沿模型，完全多模態，從零開始。」

當前「三大」公認是：Google DeepMind、OpenAI、Anthropic。微軟公開承認自己不在其中，並立下 flag 要進去。

已經做到的事（客觀優勢）

項目評價
獨立訓練能力有，MAI-Thinking-1 全程無蒸餾，從零完成
多模態覆蓋有，文字推理、影像、語音、轉錄、編碼已全覆蓋
企業資料安全強，商業授權資料、權重可控、Azure 資料駐留
成本競爭力強，同等任務成本據稱低於 GPT-5.5 10 倍
產品分發通路極強，GitHub Copilot（數千萬開發者）、M365、Teams
MAI-Code-1-Flash已上線，開發者已在用

尚未追上的差距

項目現狀
SWE-Bench Pro 旗艦效能MAI-Thinking-1（52.8%）vs Claude Opus 4.8（69.2%）— 仍有約 16% 差距
模型迭代速度Anthropic 已到 Opus 4.8，OpenAI 已到 GPT-5.6；微軟第一代才剛出來
訓練基礎設施微軟自研算力正在建設中，與 Google TPU、NVIDIA H100 叢集尚有差距
生態工具成熟度Claude Code、OpenAI Codex 生態累積更完善
MAI-Thinking-1 仍在私有預覽一般開發者無法存取

三強橫向對比矩陣

維度微軟 MAIOpenAI GPT-5.6 SolAnthropic Claude Opus 4.8
SWE-Bench Pro52.8%~58.6% (GPT-5.5)69.2%
推理成本低（MoE 架構）中中高
上下文視窗256K1M200K
資料透明度高（商業授權）低低
企業 Azure 整合原生透過合作透過合作
開發者生態強（GitHub、VS Code）極強強（Claude Code）
本機推理硬體Dev Box（獨家）無無
目前可用性部分私有預覽全面可用全面可用

真正的變局：從 benchmark 到系統摩擦點

微軟其實在下一步棋——把 AI 競爭從「誰的模型最強」轉向「誰的系統最好用」：

  • 當 MAI-Code-1-Flash 內建於 GitHub Copilot，7,500 萬開發者每天都在用微軟的模型，不需要他們知道模型叫什麼；
  • 當 Surface RTX Spark Dev Box 上市，微軟把「本機 AI 主權」包裝成了硬體產品；
  • 當企業資料可以安全地留在 Azure 內部並用於 Fine-tune MAI 模型，微軟就把「資料飛輪」掌握在手裡——而用 OpenAI/Anthropic API 的企業，資料反而在餵養競爭對手。

短期（1–2 年）：純模型智力測試上，微軟仍落後於 OpenAI 和 Anthropic 旗艦。第一代 MAI 可用，但不是最強。中期（3–5 年）：Suleyman 團隊的「Hill-Climbing Machine」訓練體系成熟後，迭代速度將加快；加上 Azure 分發與 GitHub 生態，微軟有真實機會進入「四大」。最重要洞察：這場比賽不一定是誰得分最高，而是誰在開發者工作流、企業資料主權和硬體側控制了更多摩擦點——在這一層，微軟的優勢比任何 benchmark 都更難被複製。

開發者怎麼用？六步接入 Runbook

模型狀態接入方式
MAI-Thinking-1私有預覽，可申請microsoft.ai/models/mai-thinking-1
MAI-Image-2.5 / Flash正式可用Azure Foundry Model Catalog
MAI-Transcribe-1.5正式可用Azure Speech API
MAI-Voice-2正式可用Azure Speech API
MAI-Code-1-Flash / MAI-Code-1正式可用GitHub Copilot / VS Code / API

Build 2026 還宣布 MAI 模型可在 OpenRouter、Fireworks AI、Baseten 等第三方平台呼叫，權重可直接在這些平台上 Fine-tune。

  1. 確認目標模型與狀態：Coding 場景優先 MAI-Code-1-Flash（已內建 Copilot）；推理旗艦 MAI-Thinking-1 需先申請私有預覽。
  2. 開通 Azure Foundry 工作區：登入 ai.azure.com，在 Model Catalog 搜尋目標 MAI 模型。
  3. 申請 MAI-Thinking-1 存取（若需要）：在 Model Catalog 點擊「申請存取」，等待審批；公開預覽預計數週內推出。
  4. 設定 API 端點與金鑰：建立 Azure OpenAI 相容資源，記錄 endpoint 與 api_key，api_version 建議使用 2026-05-01。
  5. 本機或 CI 驗證呼叫：用下方 Python 範例對 MAI-Code-1-Flash 發起 Chat Completions 請求，確認 latency 與帳單口徑。
  6. 生產路由與合規稽核：在同一 Foundry 工作區可並存 MAI 與 GPT-5.6；金融/醫療客戶須核對 Fine-tune 資料不離開租戶的環境條款。
python
import openai

client = openai.AzureOpenAI(
    azure_endpoint="https://<your-resource>.openai.azure.com/",
    api_key="<your-api-key>",
    api_version="2026-05-01"
)

response = client.chat.completions.create(
    model="mai-code-1-flash",
    messages=[
        {"role": "system", "content": "You are an expert software engineer."},
        {"role": "user", "content": "Refactor this Python function to use async/await: ..."}
    ],
    max_tokens=2048
)
print(response.choices[0].message.content)
analytics

三條可引用硬資料（EEAT）

  • 130 億美元+：微軟七年累計向 OpenAI 投入規模，是自研 MAI 的直接經濟背景。
  • 276× 即時：MAI-Transcribe-1.5 處理速度，1 小時音訊可在秒級完成轉錄。
  • 10 倍：微軟稱 MAI MoE 架構在同等任務下推理成本低於 GPT-5.5 的數量級（以官方發布會口徑為準，生產環境須自行壓測驗證）。

若你計畫在 Mac 上跑 OpenClaw Gateway、多模型路由或本機+雲端混合 Agent，單靠 Surface Dev Box 或筆電合蓋睡眠都難以保證 7×24 穩定——程序會被系統掛起、Tailscale 隧道中斷、Docker 容器在睡眠後需人工拉起。對於需要常駐 Copilot CLI、Foundry API 探活與跨國 CI 觸發的生產環境，MACCOME 的 Mac 雲主機提供真實 macOS 節點、SSH 交接與環境隔離，比在個人裝置或單機 Dev Box 上硬扛更可靠。更廣泛的程式設計助手選型可參考Grok 4.5 評測文與OpenAI Jalapeño 推理晶片解讀。

常見問題

MAI-Thinking-1 現在可以用了嗎？

目前處於私有預覽，需要在 Azure Foundry 申請存取權限。公開預覽預計將在數週內推出，MAI Playground 將同步開放。

MAI-Thinking-1 真的能對標 Claude Opus 嗎？

微軟行銷說「對標 Claude Opus 4.6」，但技術報告實際表述是對標 Claude Sonnet 4.6（中端模型）。當前最新版 Claude Opus 4.8 的 SWE-Bench Pro 是 69.2%，而 MAI-Thinking-1 是 52.8%，差距約 16%。

Surface RTX Spark Dev Box 多少錢？

價格尚未公布，預計 2026 年秋季在美國 Microsoft.com 發售。消費者與企業均可購買。

開發者現在能用哪款 MAI 模型？

MAI-Code-1-Flash、MAI-Image-2.5、MAI-Transcribe-1.5 和 MAI-Voice-2 已正式上線，可透過 Azure Foundry 或 Azure Speech API 直接呼叫。MAI-Thinking-1 需申請私有預覽。

微軟 MAI 模型和 OpenAI 模型在 Azure 上能共存使用嗎？

可以。Azure 是多模型平台，你可以在同一個 Foundry 工作區裡同時呼叫 MAI 模型和 GPT-5.6。

MAI-Code-1-Flash 和 GitHub Copilot 是什麼關係？

MAI-Code-1-Flash 已成為 GitHub Copilot 的後端模型之一（尤其是 CLI 和 VS Code 內聯建議場景），使用者無需任何設定變更。

微軟的模型和 OpenAI 的區別是什麼？

最核心的區別在於資料所有權。用 OpenAI API Fine-tune 的資料，在部分條款下可能用於模型改進；而 MAI 模型在 Azure 內 Fine-tune 的資料承諾不離開你的環境。對於金融、醫療、法律等行業客戶，這一點非常關鍵。若需合規隔離的遠端 Mac 執行 Agent，請查看MACCOME Mac 雲租用方案。