微软发布自研AI模型 成本仅为竞品四分之一

微软发布七款内部AI模型，聚焦自主可控与成本效率

  在2026年的Build开发者大会上，微软发布了七款内部前沿人工智能模型。尽管五款是对现有模型的更新，但此次发布会的核心意图是通过推出首款“推理”模型，减少对OpenAI和Anthropic的依赖，构建自主可控的人工智能体系。

旗舰推理模型MAI-Thinking-1：从零训练、架构先进

  旗舰产品MAI-Thinking-1，基于“干净数据”从零开始训练，未使用第三方模型蒸馏技术。该模型拥有350亿个活跃参数，采用混合专家架构（MoE），支持256k令牌长度上下文窗口，能够处理约600页文档，并且具备函数调用及灵活添加开发者指令的能力。

显著成本优势推动生态整合

  微软声称，与其它领先模型相比，MAI系列模型的成本优势显著，在达到相同或更优效果的情况下，其成本仅为对手的1/4至1/2。随着计费方式转变为按实际令牌使用量收费，微软已将MAI-Code-1-Flash设为GitHub Copilot的新默认模型。据报告，相较于之前使用的Claude模型，新模型所需令牌数量减少了高达60%。

  目前，MAI模型已在微软生态系统中得到广泛应用：例如，MAI-Image-2.5服务于PowerPoint和OneDrive；MAI-Transcribe-1.5负责Copilot、Teams以及Dynamics 365联络中心的转录工作。未来，这些模型还将登陆Windows系统，首批支持搭载了全新NVIDIA/MediaTek N1X SoC芯片组的Arm设备，进一步降低用户和企业的成本。

微调能力实现高性能与高效率

  通过对Thinking-1进行微调，微软能够在Excel Copilot等应用场景中实现与GPT-5.4相当的表现，同时成本效率提高10倍。这一能力也被开放给企业客户，如麦肯锡和Land O'Lakes定制的私有化模型，在特定任务上的成本效率同样比GPT-5.5高出10倍。

安全合规：从训练源头规避风险

  为了保证安全性和合规性，微软强调Thinking-1专门针对安全性进行了训练，而非事后增设防护措施。模型完全基于公开可用并获得授权的人类生成数据训练而成，不包含任何预训练阶段由语言模型生成的合成数据或开源训练集，旨在帮助企业规避类似Anthropic所面临的版权争议风险，保障数据隐私和治理水平。

多平台分发彰显技术输出战略

  除了自家的Azure和Foundry平台外，MAI模型也已经上架Fireworks、Baseten和OpenRouter等多个第三方服务平台，显示出微软向外输出技术的决心。

  微软将其开发MAI模型及提供前沿调优服务的过程比喻为“爬山法”，表示这是一种逐步优化的方法论，相较于其他公司推崇的“递归自我改进”概念，显得更加稳健可靠。微软CEO萨提亚·纳德拉在演讲结束时重申了人工智能应当服务于人类社会而非取代之的理念，呼吁避免技术集中权力、削弱人类主体性的趋势。