在 Microsoft Ignite 2026 展会的主题演讲中,微软正式发布了三款新的内部 AI 模型。此次发布不仅展示了微软在生成式人工智能领域的最新进展,更标志着其试图通过自研模型降低对 OpenAI 和 Anthropic 等外部供应商的依赖。

性能对标:以极低成本逼近顶级模型
微软声称,其新推出的 MAI Code 2 模型在编码任务上达到了 Claude Opus 5.5 性能的 96%,但成本仅为后者的 5%。此外,MAI Code 2 Flash 模型则被定位为与 GPT-6 Luna 和 Claude Haiku 5.5 竞争的低成本选项。
需要澄清的是,这些百分比指标基于 API 调用层面的使用量统计,而非直接等同于消费者订阅服务(如每月 100 美元套餐)的价值换算。对于企业级应用而言,这意味着在处理大规模常规请求时,单位推理成本将显著下降。
战略意图:减少对外部模型的依赖
长期以来,微软围绕 OpenAI 的技术构建了大量产品和服务,并在过去几年中向 OpenAI 投入了数十亿美元。然而,随着内部建模能力的提升,雷德蒙德方面开始将自家模型与 Anthropic 及 OpenAI 的产品进行直接对比,并将其作为 GitHub Copilot、Microsoft 365 和 Fabric 等产品的可选后端引擎。
微软首席执行官萨提亚·纳德拉(Satya Nadella)在演讲中强调,AI 已成为微软核心业务的关键组成部分。尽管大多数 AI 操作仍需向前沿模型提供商支付费用,但拥有高性能的内部模型意味着微软可以大幅降低对第三方供应商的依赖,尤其是在处理产品线中海量的基础性和常规性 AI 请求时。
从编码到办公:MAI Work Flash 的衍生逻辑
值得注意的是,微软此次宣布的 MAI Work Flash 模型是从 MAI Code 2 Flash 衍生而来的。这一策略反映了行业趋势:早期的代理型 AI 工具主要面向程序员,但随着用户发现其在非编程生产力场景中的潜力,科技公司开始推出针对普通用户的“工作代理”工具。
编码代理与工作代理在底层能力上具有高度相似性,包括理解复杂环境、调用工具执行变更以及产生可靠结果。由于代码输出易于衡量,它成为了训练这些通用能力的理想场所。MAI Work Flash 旨在协助用户在 Excel 中生成公式、在 Word 中处理文档指令、追踪决策过程以及从 Teams 中提取关键信息。
经济效益:潜在的巨大成本节约
微软本身可能是其最大规模的 AI 客户。如果内部模型能够以更低的价格提供可靠的性能,微软将在整个软件生态系统中节省巨额开支,同时保持更深层次的垂直整合与控制力。
根据假设数据推算,若一家公司当前的单次 AI 请求成本为 0.01 美元,采用新模型后可降至约 0.001 美元(考虑到微软报道的数据使用了 50% 的入门折扣)。对于日均推理成本高达 100 万美元的企业而言,这一变化可将日成本降至约 10 万美元。全年累计下来,仅模型替换一项每年即可节省约 3.25 亿美元。
局限性与应用场景
尽管基准测试数据令人印象深刻,但微软明确表示,这些新型号并非设计用于处理最具挑战性的代理任务或高难度研究工作。它们不适合解决复杂的数学难题,但在重新格式化 PowerPoint 演示文稿或进行图形幻灯片制作等可视化任务上表现优异。
目前尚不清楚微软是否完全意在取代所有边界提供商的模型,但其通过自研引擎优化成本结构的意图已十分明显。随着这些模型在微软产品矩阵中的逐步渗透,其对 AI 供应链格局的影响值得持续关注。





