Microsoft AIは水曜日、これまでで最高精細な画像生成モデル「MAI-Image-2.5-Pro」と、大規模なエンタープライズワークロード向けに設計された音声モデル「MAI-Voice-2-Flash」という2つの新しい社内モデルをパブリックプレビューで公開しました。これらのリリースと同時に、OpenAIのフロンティアモデルに依存せずに自社製品を稼働できるという、これまでで最も積極的な主張となる本番デプロイメントデータも発表しました。

Microsoft AIのスーパーインテリジェンスチームから発表されたこの内容は、同社が約1年前に専用モデルの社内構築を公約して以来の動きです。現在これらのモデルが稼働している環境についても異例の詳細さで明らかにされており、対象にはBing、PowerPoint、OneDrive、Dynamics 365、Excel、GitHub Copilot、Azureが含まれます。エンタープライズの購買担当者へ、そして暗黙的にOpenAIへ向けたメッセージは、Microsoftの自社開発モデルはもはや研究プロジェクトではなく、数百万人のユーザーにサービスを提供する本番インフラへと移行したということです。

「これらの各機能強化は、Microsoftの製品をMicrosoftのモデルで稼働させるという同じ目標に向けた一歩です」と、同社は発表ブログで述べています。

MAI-Image-2.5-ProとMAI-Voice-2-Flashはコスト曲線の対極を狙う

この2つの新しいリリースは、Microsoftが「品質・速度・コスト曲線」と呼ぶものの意図的に対極となる位置を占めています。

MAI-Image-2.5-Proはプレミアム層をターゲットにしています。ヒーロー画像、詳細な編集、そして画像内テキストの正確なレンダリングは、画像生成モデルにとって長年の弱点でした。Microsoftはこのモデルの価格を、100万テキスト入力トークンあたり5ドル、100万画像入力トークンあたり8ドル、100万画像出力トークンあたり106ドルに設定しました。ベースとなるMAI-Image-2.5モデルは、生成メディアの事実上のスコアボードとなっているコミュニティリーダーボード「Arena」の画像編集部門で最近2位にランクインしました。

クリエイティブ業界も注目し始めています。広告大手WPPのグローバル最高クリエイティブ・オフィサーであるRob Reilly氏は、Microsoftの発表に含まれた声明の中で、Proモデルを「GenMediaツールにとっての力強い飛躍」と呼び、「MicrosoftはジェネレーティブAIのリーダーの一人として確固たる地位を築いた」と付け加えました。

MAI-Voice-2-Flashは逆の方向を向いています。MicrosoftのBuildカンファレンスで初めてプレビューされたFlashは、MAI-Voice-2の2倍の速度で動作し、コストは32%低く、100万文字あたり15ドルで提供されます。大規模だが地味な市場、つまりコールセンター、ボイスエージェント、レイテンシと1コールあたりのコストが表現力のわずかな向上よりも重要になるリアルタイム音声アプリケーション向けに設計されています。2つのリリースは、単一のフラッグシップではなくモデルファミリーを構築する戦略を反映しています。同社が指摘するように、最大限の精細度を追求するクリエイティブスタジオと、1日に数百万件のコールを処理するカスタマーサービス業務では、根本的に異なる要件があるからです。

本番メトリクスが示す社内モデルによるGPUコスト最大89%削減

Microsoftがモデルのリリースとともに公開したデプロイメントメトリクスは、自社製品ポートフォリオ全体でサードパーティのフロンティアモデルを置き換えるための体系的な事例として読めます。

Bing Image Creatorは現在、エンドツーエンドで完全にMAI-Image-2.5上で稼働しており、コンシューマー向け画像ツールが完全に社内技術で稼働する初の事例となっています。PowerPointでは、MAI-Image-2.5がOpenAIの画像モデル「GPT-Image-2」と比較してGPUコストを最大84%削減するとMicrosoftは報告しています。OneDriveでは、MAI-Image-2.5が主要な画像編集シナリオのデフォルトとなっており、保存率が26%向上、P95レイテンシが約25%低下、中程度の利用率の本番ワークロード下で2.5倍の効率向上を報告しています。

音声の側面では、MAI-Voice-2-Flashが現在Dynamics 365 Contact Centerを稼働させています。これはT-MobileやEasyJetなどの顧客が利用するプラットフォームで、MicrosoftはGPUコストを最大89%削減したと主張しています。また、このモデルは音声間エージェントを構築する開発者向けにAzure Voice Liveにも統合されています。

特に重要なデプロイメントは医療分野にあります。170,000人の医療従事者に利用され、前四半期には2,800万件の患者対応を処理したMicrosoftのDragon Copilotは、58言語にわたる多言語ワークフローでMAI-Transcribe-1.5上で稼働するようになりました。Microsoftは社内評価で、ほとんどの言語において文字起こしおよび言語識別のエラー率がともに50%の相対的削減を示したと述べています。この分野では文字起こしのエラーが直接臨床メモに波及する可能性があるため、これは重要な主張です。

Excelで小規模モデルがGPT-5.6に匹敵する「ヒルクライミング」戦略

同日公開された関連記事で、Microsoftはこれらの結果の背後にある手法を詳しく説明しました。同社はこれを「ヒルクライミング・マシン」と呼び、データ、モデル、それを取り巻く製品の「ハーネス」からなる統合フライホイールと説明しています。

最も明確な例が、6月にGitHub Copilotでリリースされた軽量コーディングモデルMAI-Code-1-Flashです。Microsoftによると、このモデルはVS CodeでGPT-5.4 MiniおよびClaude Haiku 4.5と比較して約10%高いコード受諾率を達成しつつ、中央値で10%少ないトークンを使用しています。開発者の定着率も同様の傾向を示しており、GPT-5.4 Miniと比較して複数日にわたって戻ってくる確率が6%高く、Claude Haiku 4.5と比較して11%高くなっています。

さらにMicrosoftは興味深い取り組みを行いました。MAI-Code-1-Flashのチェックポイントを取得し、Excelの強化学習環境内で追加トレーニングを実施し、コーディングモデルにスプレッドシートの知識作業のツールとワークフローを教え込みました。本番ユーザーフィードバックによると、その結果は最も一般的なExcelタスクにおいてGPT-5.6に匹敵するモデルとなりました。しかも、最新世代のアクセラレータを必要とせず、Nvidiaの旧世代H100さらにはA100 GPUでも実行できるほどコンパクトです。

このハードウェアの詳細は注目に値します。すべての主要AI企業が最先端チップの割り当てを巡って競争する中、2世代前のシリコンでフロンティアに近い品質を提供するモデルは、デプロイメントの経済性を根本から変えます。また、最新ハードウェア（Microsoftが稼働を開始したGB200クラスターを含む）を推論サービスではなくトレーニングに振り向けることも可能にします。

サティア・ナデラの「フロンティア・ディフュージョン」宣言がOpenAIとの関係を再構築

MicrosoftのCEOであるサティア・ナデラ氏は、Xでの長文の投稿でこれらの発表を「Frontier Diffusion & Control」と題して位置づけました。これは戦略的宣言に近い内容です。「私たちは今、飽和したフロンティアの能力を取り込み、高使用量プロダクト向けに最適化したモデルを通じて、大規模かつ低コストで提供できるようになりました。同時に、フロンティアのニーズには引き続きフロンティアモデルを使用します」とナデラ氏は書き、Microsoftは「自社モデルがフロンティアの代替と同等以上の性能を発揮する場合には常に、自社のファーストパーティサーフェス全体でMAIへトラフィックをルーティングし始めている」と付け加えました。

ナデラ氏は、「OpenAIとAnthropicのフロンティアモデルはMAIとともにオーケストレーションシステムの一部である」と慎重に述べましたが、同時にモデル独立の原則も表明し、「企業の評価は、特定のモデルが削除された後もヒルクライムを続けるべきだ」と主張しました。ハーネス、メモリ、コンテキスト、スキルをモデルの外側に保持することこそが、Microsoftにコントロールをもたらすのだと同氏は論じました。

より広い文脈も重要です。Reutersは4月に、MicrosoftのOpenAI技術に対する独占的ライセンスが非独占的な取決めに改訂されたと報じました。The Informationは昨年9月に、Microsoftが一部の製品にAnthropicモデルを組み込み始めたと報じていました。今回の発表は、Microsoftがオーケストレーターとして位置づけられ、パートナーのフロンティアモデルは交換可能なコンポーネントとして、そして自社モデルがルーティンのトラフィックのますます大きなシェアを吸収するという三角関係を完成させるものです。

Microsoftの動きは、ハイパースケーラー間のより広範なパターンを映しています。GoogleはWorkspaceとSearch全体でサードパーティ製AIを自社のGeminiファミリーに段階的に置き換えており、AmazonはAWS向けにNovaおよびTitanモデルラインに投資しています。この収束は、かつて最高の外部モデルへのアクセス提供で競争していたクラウドプロバイダーが、自社のインフラと緊密に統合された独自モデルこそがエンタープライズAI市場の勝者を決めるという認識に基づいて賭けをしていることを反映しています。

開発者の反応：歓迎と懐疑

オンラインでの反応は、この戦略に対する魅力と疑念の両方を反映していました。

「小規模モデルをニッチなタスクに使うのは大好きです」と、ナデラ氏の投稿に応じたXユーザーの@mavihskは書きました。「Excelのフィールドを変更するだけなのに、なぜ全知全能のモデルを使わなければならないのでしょうか？」別のユーザーである@nabu_linesは、この提案を簡潔にまとめました。「最大のモデルを使いすぎるのをやめれば、コストもパフォーマンスもともに改善します。」

より批判的な声もありました。「Microsoftはユーザーフィードバックを聞くことに関しては最悪です」とデザイナーの@designedbyabinは書き、同社は「ユーザーのニーズを理解できなかったことを繰り返した結果、AI競争に敗れるだろう」と主張しました。ユーザーの@tokenoverflowは、モデル独立性の提案に対してよりドライな批判を呈しました。「microsoftを削除した後もヒルクライムを続けてほしい。」

懐疑派は正当な指摘をしています。Microsoftの自己報告メトリクス（受諾率、保存率、GPU節約額）は独立したベンチマークではなく社内評価からのものであり、同社がどの比較を公開するかを選択しています。MLCommonsなどの組織やArenaのようなコミュニティ主導のプラットフォームによる独立評価は、ほとんどのMAIモデルを本番相当の条件でフロンティアの代替と直接比較していなかったため、第三者による検証の欠如は注視すべきポイントです。ただし、この戦略の根底にあるロジックは単一の数値に依存していません。ソフトウェアが「初めて真の限界費用を持つようになった」というナデラ氏の観察は、Microsoftがトークン、GPU、サービングコストに注力する理由を説明しています。AI機能が10億ユーザー規模の製品ポートフォリオ全体で毎回のキー操作で実行される場合、84%のGPUコスト削減は単なる最適化ではありません。それは採算の取れるビジネスと赤字事業の差になります。

Microsoftが社内AIのプレイブックをAzure製品に転換

戦略の最後の要素は、Microsoftがモデルだけでなくプレイブック自体を販売していることです。ナデラ氏はヒルクライミング手法を「他のすべてのAIネイティブ、SaaS、またはエンタープライズ企業向けのテンプレート」として明示的に位置づけました。MicrosoftはFoundryおよびFrontier Tuningと呼ばれるツールチェーンを通じて、企業が独自の評価指標と強化学習環境に基づいて専門モデルをトレーニングできるようにしています。これにより、Microsoftの社内コスト削減の取り組みがAzure製品に変わり、基盤となるモデルが他社由来であっても、エンタープライズ顧客がMicrosoftのクラウド上でAIワークロードを実行する理由を提供します。

同社が「クリーンで追跡可能なエンタープライズグレードのデータで、サードパーティモデルからの蒸留なしにトレーニングされた」モデルを強調している点も、同じ商業的目的に沿っています。トレーニングデータの出所に対する審査が強まる業界において、FTCによるAI提携への調査や複数のモデル開発者に対する進行中の著作権訴訟も含め、Microsoftはエンタープライズの購買担当者と法廷がモデルの能力の出所を気にすると賭けています。

Microsoftは現在、ヒルクライミング手法をCopilot Chat、Outlook、PowerPointに拡張していると述べています。2つの新モデルはどちらもMicrosoft FoundryとMAI Playgroundでパブリックプレビューとして利用可能です。

「これらはいずれも終着点ではありません」と同社は書きました。「私たちはまだ始まったばかりです。」

7年前、MicrosoftはOpenAIがAIの未来を構築すると信じて130億ドル以上を投資しました。今回の発表は、同社がそれ以来、異なる結論を導き出したことを示唆しています。AIの未来はフロンティアを構築した者のものであるかもしれませんが、利益はそれを日常化した者のものであると。