Microsoft AI в среду представила в публичной предварительной версии две новые собственные модели — MAI-Image-2.5-Pro, свой самый высокоточный на сегодняшний день генератор изображений, и MAI-Voice-2-Flash, речевую модель, разработанную для корпоративных нагрузок большого объема. Одновременно с запуском компания опубликовала производственные данные о развертывании, которые стали ее самым решительным на данный момент аргументом в пользу того, что она может обеспечивать работу собственных продуктов без опоры на фронтирные модели OpenAI.

Анонс, выпущенный командой Superintelligence в Microsoft AI, появился примерно через год после того, как компания взяла курс на внутреннюю разработку специализированных моделей. В нем с необычной конкретностью указано, где эти модели уже работают: Bing, PowerPoint, OneDrive, Dynamics 365, Excel, GitHub Copilot и Azure. Послание корпоративным покупателям — и неявно OpenAI — заключается в том, что модели Microsoft собственной разработки вышли за рамки исследований и стали производственной инфраструктурой, обслуживающей миллионы пользователей.

"Each of these enhancements is a step toward the same goal: Microsoft products, powered by Microsoft models," заявила компания в своем блоге с анонсом.

MAI-Image-2.5-Pro и MAI-Voice-2-Flash нацелены на противоположные концы кривой затрат

Два новых релиза занимают намеренно противоположные позиции на том, что Microsoft называет кривой качество-скорость-стоимость.

MAI-Image-2.5-Pro ориентирована на премиальный сегмент — ключевые визуальные материалы, детальное редактирование и точную отрисовку текста внутри изображения, что долгое время было слабым местом моделей генерации изображений. Microsoft установила цену модели на уровне $5 за миллион входных текстовых токенов, $8 за миллион входных токенов изображений и $106 за миллион выходных токенов изображений. Базовая модель MAI-Image-2.5 недавно заняла No. 2 по редактированию изображений на Arena, общественном лидерборде, который стал фактической системой оценки для генеративных медиа.

Креативная индустрия обращает на это внимание. Роб Рейли, глобальный директор по креативу рекламного гиганта WPP, назвал модель Pro "a strong leap forward for GenMedia tools" в заявлении, включенном в анонс Microsoft, добавив, что "Microsoft has firmly established itself among the leaders in generative AI."

MAI-Voice-2-Flash движется в противоположном направлении. Впервые показанная в предварительной версии на конференции Build Microsoft, Flash работает вдвое быстрее MAI-Voice-2 и стоит на 32% меньше — $15 за миллион символов. Она предназначена для крупного, но менее заметного рынка голосовых приложений большого объема — колл-центров, голосовых агентов и речевых систем реального времени, где задержка и стоимость одного вызова важнее предельного прироста выразительности. Вместе два релиза отражают стратегию создания семейств моделей, а не одного флагмана, поскольку, как отметила компания, креативная студия, стремящаяся к максимальной точности, имеет принципиально иные требования, чем служба поддержки, обрабатывающая миллионы звонков ежедневно.

Производственные метрики показывают снижение затрат на GPU до 89% благодаря собственным моделям

Метрики развертывания, опубликованные Microsoft вместе с запуском моделей, выглядят как системный аргумент в пользу замены сторонних фронтирных моделей во всем портфеле продуктов компании.

Bing Image Creator теперь полностью работает на MAI-Image-2.5 от начала до конца, что впервые означает полную работу потребительского инструмента для изображений на собственной технологии. В PowerPoint, по данным Microsoft, MAI-Image-2.5 снижает затраты на GPU до 84% по сравнению с GPT-Image-2, моделью изображений OpenAI. В OneDrive, где MAI-Image-2.5 теперь используется по умолчанию для ключевых сценариев редактирования изображений, компания сообщает о росте показателя сохранений на 26%, примерно на 25% меньшей задержке P95 и в 2.5 раза большей эффективности при производственных нагрузках со средней утилизацией.

В голосовом направлении MAI-Voice-2-Flash теперь обеспечивает работу Dynamics 365 Contact Center — платформы, используемой клиентами, включая T-Mobile и EasyJet, — где Microsoft заявляет о снижении затрат на GPU до 89%. Модель также интегрирована в Azure Voice Live для разработчиков, создающих агентов speech-to-speech.

Особенно значимое развертывание связано со здравоохранением. Dragon Copilot от Microsoft, которым пользуются 170,000 медицинских специалистов и который в прошлом квартале обработал 28 миллионов приемов пациентов, теперь работает на MAI-Transcribe-1.5 для многоязычного рабочего процесса на 58 языках. Microsoft заявляет, что внутренние оценки показывают относительное снижение частоты ошибок как транскрибации, так и определения языка на 50% для большинства языков — существенное утверждение с учетом того, что ошибки транскрибации в этой сфере могут напрямую попадать в клинические записи.

Стратегия 'hill-climbing', благодаря которой малые модели сопоставимы с GPT-5.6 в Excel

В сопутствующей публикации, вышедшей в тот же день, Microsoft подробно описала методологию, стоящую за этими результатами, — то, что она называет своей "hill-climbing machine", интегрированным маховиком данных, моделей и продуктовой "обвязки", которая их окружает.

Самый наглядный пример — MAI-Code-1-Flash, легкая модель для программирования, запущенная в GitHub Copilot в июне. По словам Microsoft, модель достигает примерно на 10% более высокого уровня принятия кода, чем GPT-5.4 Mini и Claude Haiku 4.5 в VS Code, при использовании на 10% меньшего медианного числа токенов. Удержание разработчиков демонстрирует похожую динамику: пользователи на 6% чаще возвращались в течение нескольких дней по сравнению с GPT-5.4 Mini и на 11% чаще, чем с Claude Haiku 4.5.

Затем Microsoft взяла контрольную точку MAI-Code-1-Flash и дополнительно обучила ее в среде обучения с подкреплением для Excel, обучив модель для программирования инструментам и рабочим процессам работы со знаниями в электронных таблицах. По отзывам пользователей в производственной среде, результатом стала модель, сопоставимая с GPT-5.6 для самых распространенных задач Excel, при этом достаточно компактная, чтобы работать на более старых GPU Nvidia H100 и даже A100, не требуя ускорителей последнего поколения.

Эта аппаратная деталь примечательна. Поскольку каждая крупная ИИ-компания конкурирует за распределение самых передовых чипов, модель, обеспечивающая качество, близкое к фронтирному, на кремнии двухпоколенной давности, фундаментально меняет экономику развертывания. Это также освобождает новейшее оборудование — включая уже работающий кластер GB200 Microsoft — для обучения, а не для обслуживания инференса.

Манифест Satya Nadella о 'Frontier Diffusion' меняет контуры отношений с OpenAI

Генеральный директор Microsoft Сатья Наделла представил эти объявления в развернутом посте в X под названием "Frontier Diffusion & Control", который читается как стратегический манифест. "We can now take saturated frontier capabilities and deliver them at scale and at lower cost through models optimized for high-usage products, while continuing to use frontier models for frontier needs," написал Наделла, добавив, что Microsoft "beginning to route traffic across our first-party surfaces to MAI whenever our models match or outperform frontier alternatives."

Наделла осторожно отметил, что "frontier models from OpenAI and Anthropic are part of the orchestration system alongside MAI", но также сформулировал принцип независимости от конкретной модели, утверждая, что оценки компании "should continue to hill climb even when any given model has been removed." По его словам, именно сохранение обвязки, памяти, контекста и навыков вне модели дает Microsoft контроль.

Широкий контекст важен. Reuters сообщило в апреле, что эксклюзивная лицензия Microsoft на технологию OpenAI была пересмотрена и стала неэксклюзивной. The Information сообщило в сентябре прошлого года, что Microsoft начала включать модели Anthropic в некоторые продукты. Объявление в среду завершает этот треугольник: Microsoft позиционирует себя как оркестратор, где фронтирные модели партнеров выступают взаимозаменяемыми компонентами, а собственные модели берут на себя все большую долю рутинного трафика.

Шаг Microsoft отражает более широкую тенденцию среди гиперскейлеров. Google постепенно заменяет сторонний ИИ собственным семейством Gemini в Workspace и Search, а Amazon инвестирует в линейки моделей Nova и Titan для AWS. Сближение этих стратегий отражает понимание того, что облачные провайдеры, которые раньше конкурировали за предоставление доступа к лучшим внешним моделям, все чаще делают ставку на собственные модели, тесно интегрированные с их инфраструктурой, как на фактор, определяющий, кто захватит корпоративный рынок ИИ.

Реакции разработчиков: энтузиазм и скепсис

Онлайн-реакция отразила как привлекательность стратегии, так и сомнения вокруг нее.

"I love when people use small models for niche tasks," написал пользователь X @mavihsk, отвечая на пост Наделлы. "Why do I have to use the all-knowing model just to change my field in Excel?" Другой пользователь, @nabu_lines, кратко сформулировал суть предложения: "cost and performance both improve when you stop overusing the biggest model."

Другие были настроены более критично. "Microsoft is the worst when it comes to listening to user feedback," написал дизайнер @designedbyabin, утверждая, что компания "will lose the AI race because they repeatedly failed to understand user needs." Пользователь @tokenoverflow предложил более сухую критику идеи независимости от модели: "i want it keep hill climbing after removing microsoft."

Скептики поднимают обоснованный вопрос: самостоятельно опубликованные Microsoft метрики — уровни принятия, показатели сохранений, экономия GPU — получены из внутренних оценок, а не независимых бенчмарков, и компания сама выбирает, какие сравнения публиковать. Отсутствие сторонней валидации остается пробелом, за которым стоит следить, поскольку независимые оценки от организаций вроде MLCommons или управляемых сообществом платформ вроде Arena пока не сопоставили большинство моделей MAI с фронтирными альтернативами в условиях, эквивалентных производственным. Однако базовая логика стратегии не зависит от какого-либо одного числа. Наблюдение Наделлы о том, что у программного обеспечения теперь впервые появились "real marginal cost", объясняет, почему Microsoft сосредоточена на токенах, GPU и затратах на обслуживание: когда функции ИИ работают при каждом нажатии клавиши в продуктовом портфеле с миллиардом пользователей, снижение затрат на GPU на 84% — это не просто оптимизация, а разница между жизнеспособным бизнесом и финансовой ямой.

Microsoft превращает свой внутренний ИИ-плейбук в продукт Azure

Финальный элемент стратегии заключается в том, что Microsoft продает не только модели, но и сам плейбук. Наделла прямо назвал подход hill-climbing "a template for every other AI native, SaaS, or Enterprise company." Microsoft упаковывает цепочку инструментов через Foundry и то, что она называет Frontier Tuning, позволяя предприятиям обучать специализированные модели на основе собственных оценок и сред обучения с подкреплением. Это превращает внутреннюю программу Microsoft по сокращению затрат в продукт Azure, давая корпоративным клиентам основание запускать свои ИИ-нагрузки в облаке Microsoft, даже если базовые модели поступают из других источников.

Акцент компании на моделях, обученных "on clean, traceable, enterprise-grade data, without distillation from third-party models", служит той же коммерческой цели. В отрасли, где усиливается внимание к происхождению обучающих данных — включая расследования FTC в отношении ИИ-партнерств и продолжающиеся судебные споры об авторских правах против нескольких разработчиков моделей, — Microsoft делает ставку на то, что корпоративным покупателям и судам будет важно, откуда берутся возможности моделей.

Microsoft заявляет, что теперь распространяет подход hill-climbing на Copilot Chat, Outlook и PowerPoint. Обе новые модели доступны в публичной предварительной версии через Microsoft Foundry и MAI Playground.

"None of this is an endpoint," написала компания. "We're just getting started."

Семь лет назад Microsoft инвестировала более $13 billion, сделав ставку на то, что OpenAI построит будущее ИИ. Объявление в среду говорит о том, что с тех пор компания пришла к другому выводу: будущее ИИ может принадлежать тем, кто создает фронтир, но прибыль — тем, кто превращает его в обычную инфраструктуру.