# 微軟一口氣推出 7 款自家 MAI 模型，成本比 OpenAI 更低

> **TL;DR:** Microsoft AI 在 Ignite 大會上同時推出 7 款 MAI 模型，主攻持續運作的 AI agent 與 token 成本問題 MAI Code 2：依微軟公布的數據，效能接近 GPT-6.1 Sol 與 Claude Opus 5.5，但成本僅為兩者的 40% 與 5% MAI Cyber 2 Flash 在 CyberGym-E2E 上小幅領先 GPT-6 Astra（92.3% 對 91.5%），僅限用於微軟的資安產品 Decision 1.1 以 Google 的 Gemma 4 為基礎，MAI Image 2.7 則在 Artificial Analysis 的影像編輯榜單上排名第一 幾乎所有數字都由微軟自行公布，MAI Licensed Weights 尚未公布上市日期與價格

- 原文: https://migovi.com/tw/microsoft-mai-7-mo-hinh-ai-gia-re/
- 作者: [The Strongest Man on Earth](https://migovi.com/tw/author/king/)
- 發布日期: 2026-11-19T12:46:29+07:00
- 分類: 人工智慧, 新聞, 科技
- 來源: [The Decoder (AI)](https://the-decoder.com/microsoft-is-replacing-outside-ai-models-in-its-own-products-with-cheaper-in-house-alternatives/)

---

微軟 MAI 表示，MAI Code 2 以 40% 的成本達到 GPT-6.1 Sol 98% 的效能，而 MAI Cyber 2 Flash 每項任務的花費不到 GPT-6 Astra 的 2%。

## Ignite 大會上的七款 MAI 模型

Microsoft AI（MAI）在 Ignite 大會上發表了七款新模型，涵蓋程式碼、資安、影像、語音與流程調度。如同六月的 Build 大會，微軟選擇一次推出整批模型，而不是全年陸續釋出。主打賣點是價格與效能的比值，因為微軟發現企業客戶想讓 AI agent 日夜不停運作，token 支出隨之快速攀升。MAI 選擇的比較基準，正是合作夥伴 OpenAI 的模型系列，Anthropic 也列在對照名單中。微軟同時坦言，自家的程式碼模型主要鎖定企業日常開發，尚未針對基礎研究或多步驟、長時間的 agent 流程等更吃重的工作進行最佳化。

## 程式碼模型與辦公室工作

![Microsoft MAI Code 2 程式碼模型宣傳圖](https://migovi.com/wp-content/uploads/2026/11/microsoft-mai-7-mo-hinh-ai-gia-re-1.jpg)

根據微軟公布的數據，MAI Code 2 在四項評測中平均達到 GPT-6.1 Sol 98% 的效能，成本卻只有 40%。與 Claude Opus 5.5 相比，則以 5% 的成本達到 96% 的效能。這四項測試包括 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 與 FrontierCode v1.1，其中三項在微軟內部的 MSBench 平台上執行，使用 GitHub Copilot CLI 且不啟用 sub-agent。值得注意的是，這些成本是在微軟對自家模型提供 50% 促銷折扣之後計算的，優惠結束後數字就不會這麼低。在 UI、遊戲、資料視覺化與 SVG 圖形等介面類任務上，評審在盲測比較中有 64% 的次數選擇 MAI Code 2 而非 GPT-6 Sol。

輕量版 MAI Code 2 Flash 是 MAI-Code-1.1-Flash 的後繼者，用於程式碼解說、精準修改與常見錯誤處理，據稱效能與 GPT-6 Luna 及 Claude Haiku 5.5 相當，成本分別只有 65% 與 20%。微軟以這個 Flash 版本為基礎，打造出在 Microsoft 365 與 Fabric IQ 中運作的 MAI Work Flash。在內部測試中，該模型在 Excel 與 PowerPoint 上與 GPT-6 Luna 持平，在 Word 上則與 GPT-6.1 Sol 相當，輸入 token 用量卻少了約 42%。撰寫 Power BI 的 DAX 查詢時，它勝過 GPT-5.6 Sol、GPT-6 Astra 與 Opus 5.5。在 GitHub Copilot 中，MAI Code 2 的促銷價為每 100 萬輸入 token 0.50 USD、每 100 萬輸出 token 2.50 USD，優惠至 2027 年 5 月 17 日，之後調漲為 1 USD 與 5 USD；MAI Code 2 Flash 則是 0.05 USD 與 0.25 USD，之後調為 0.10 USD 與 0.50 USD。

## 資安用的 MAI Cyber 2 Flash

在資安方面，MAI Cyber 2 Flash 在漏洞搜尋測試 CyberGym-E2E 中解出 92.3% 的任務，略高於 GPT-6 Astra 的 91.5%，而 GPT-6 Astra 需要兩倍的推理預算。以單項任務計算，微軟模型的花費不到 GPT-6 Astra 的 2%，每個 token 的價格也只有百分之一。在 WebExploitBench 上，它拿下 40.4%，高於 GPT-5.6 Cyber 的 38.4%。依牌價，該模型每 100 萬輸入與輸出 token 分別收費 0.10 USD 與 0.50 USD，GPT-6 Astra 則是 10 USD 與 50 USD，因此每項 CyberGym-E2E 任務只需 0.45 USD，而非 34.38 USD。

![Microsoft MAI Cyber 2 Flash 與 GPT-6 Astra 在 CyberGym-E2E 的比較圖表](https://migovi.com/wp-content/uploads/2026/11/microsoft-mai-7-mo-hinh-ai-gia-re-2.jpg)

*MAI Cyber 2 Flash 在 CyberGym-E2E 上解題數略高於 GPT-6 Astra，且 token 用量更少、成本低得多。*

在評測過程中，微軟發現 CyberGym 約 900 項任務中有 10% 所使用的開源專案與漏洞報告，和微軟自家部分訓練資料重疊。微軟強調參考解答從未進入訓練，但仍針對所有模型排除這些任務，只計算其餘部分，因此 92.3% 是清理後的結果。目前仍有一處空缺：尚無與 GPT-6 Cyber 的比較，因為該模型只提供給部分特定客戶。使用工具的 agent 測試需要額外的安全措施，微軟表示將在未來幾週內公布結果。規格方面，上下文視窗達 100 萬 token，是 MAI Cyber 1.1 Flash 的四倍，輸出 token 價格也比前代便宜 86%。MAI Cyber 系列模型已處理微軟 MDASH 資安平台上近 40% 的掃描量，而 MAI Cyber 2 Flash 僅用於微軟自家的資安產品，並計畫自 12 月中旬起，為符合資格的客戶自動取代 MDASH MAI 設定檔中的現有模型。

## 調度與檢索模型

Microsoft-Decision-1.1 負責導向、分類、排定優先順序與控制流程。模型會從開發者事先核准的動作中擇一，並回傳經過校準的信心分數，因此在不確定性偏高時，應用程式可以將案件上交給更高層級處理，而不是依據錯誤的決定行動。當資訊不足時，模型被設計成拒絕做出決定。它的基礎是 Google 的 mixture-of-experts 模型 Gemma 4 26B A4B，前一版則是以 Qwen3.5-9B 為基礎。微軟利用數百個合成與具版權的資料集，以 supervised fine-tuning 和 reinforcement learning 進行訓練，並在專屬推論引擎上執行。

在 Artificial Analysis 的 Decision Index v2.1 上，Decision 1.1 拿下 68 分，比前代高出六分，也高於 Jev 1.14、Gemini Decision 1 與 GPT-6 Luna（Decisions）。在包含逾 385,000 道題目的 102 項內部測試中，微軟表示這是受測的八個決策模型裡平均準確度最高的。模型現在也能接收影像，包括螢幕截圖。在 Copilot 中，它負責判斷使用者的請求要交給 Copilot 還是 Cowork，準確度與大型語言模型相當，速度卻快 2.2 倍、成本低 4.4 倍；在 Cowork 中，Auto 功能則依靠它來決定每項任務要投入多少推理力道。價格為每 100 萬輸入 token 0.042 USD（歐盟資料區為 0.05 USD），輸出 token 免費。

![Microsoft MAI Decision Index 分數與處理時間的散布圖](https://migovi.com/wp-content/uploads/2026/11/microsoft-mai-7-mo-hinh-ai-gia-re-3.jpg)

*Decision 1.1 在 Artificial Analysis 的 Decision Index 上比前代高出六分，回應速度也快上兩倍以上。*

Ignite 的 Book of News 中還有 Microsoft-Retriever-1，這是專為 Foundry IQ 裡的 agent，從企業文件中彙整相關資訊的模型。它不是只搜尋一次，而是會規劃查詢、評估結果，再繼續追問，直到蒐集到足夠資料、能給出有根據的答案為止，微軟認為這種做法比以往的方法更快也更有效率。Retriever-1 以預覽版推出，而 Foundry 中的 Model Router 也已能從更廣泛的模型群中自動挑選。

## 影像、語音與醫療

![Microsoft MAI Image 2.7 影像模型宣傳圖](https://migovi.com/wp-content/uploads/2026/11/microsoft-mai-7-mo-hinh-ai-gia-re-4.jpg)

MAI Image 2.7 以 5,478 次投票累積 1,215 Elo 分，登上 Artificial Analysis 影像編輯排行榜第一，比 GPT Image 2.6 Sunburst（max）高出四分，價格卻只有五分之一。在文字生成影像方面，該模型在同一榜單排名第四。它可以更改單一物件的顏色、材質或位置，而不動到畫面其餘部分，也能產生透明背景。價格約為每 1,000 張圖 35 USD，Flash 版約 10 USD，不到三分之一，且 Flash 版在 MAI Labs 全新的影像編輯器 Canvas 中運作。MAI Image 自六月起已是 Bing Image Creator 的預設模型，微軟表示 Adobe、Figma Weave、Minute（Sports Illustrated）、Wirestock 與 Manus 正與 MAI Image 合作。

![Microsoft MAI Image 2.7 影像編輯 Elo 分數與價格的比較圖表](https://migovi.com/wp-content/uploads/2026/11/microsoft-mai-7-mo-hinh-ai-gia-re-5.jpg)

*根據 Artificial Analysis，MAI Image 2.7 與 Flash 版的編輯品質與 GPT Image 2.6 Sunburst 相當，價格卻低得多。*

MAI Realtime 1 是微軟首款 speech-to-speech 模型，設計上能處理被打斷、等待說話者說完，以及在背景有雜音時仍能辨識需求。遇到較困難的任務時，它會切換到更強的推理引擎並依 token 計費；基本費用按音訊分鐘計算為 0.01 USD，用到推理部分時，再加計每 100 萬輸入 token 1 USD 與每 100 萬輸出 token 5 USD。微軟表示，它在 Big Bench Audio、τ-Voice 與 Dynamics 365 測試中勝過 GPT Realtime 2.1。由於相容於 OpenAI Realtime API，現有的語音應用程式可以相當輕鬆地轉換，Agoda 與 Reservations.ai 目前正在試用。

![Microsoft MAI Realtime 1 在 Big Bench Audio 的分數與成本圖表](https://migovi.com/wp-content/uploads/2026/11/microsoft-mai-7-mo-hinh-ai-gia-re-6.jpg)

*依微軟自行量測，MAI Realtime 1 在相對較低的成本下，取得 Big Bench Audio 的最高分。*

微軟也打算把 MAI Realtime 1 放進 Dynamics 365 Contact Center 與 Dragon Copilot，護理師可以用它來練習與病患的對話。在醫療方面，以 MAI Transcribe 2 為基礎的 Dragon Copilot Transcribe，目前負責處理 Dragon Copilot 中所有醫病對話的逐字記錄，每月約 1,000 萬場，多語言流程的錯誤率減半。在自家大型模型上，微軟現在改用 Maia 200 晶片，這是微軟自行設計的 AI 加速器第二代，據稱每瓦可產出多 1.7 倍的 token。

## 供企業使用的 MAI Licensed Weights

MAI Licensed Weights 讓企業能以自有資料微調 MAI 模型，再在自己的 Azure 環境中執行。資料與客製化成果仍歸客戶所有，微軟則表示只有在獲得明確同意時，才會用它們來訓練自家模型。微軟將這個方案定位為 open weights 的替代選項，因為後者的來源與行為很難讓企業查證。其中一個例子是美國電信業者 AT&T，其針對 5G 網路維運分析客製化的模型，在標準任務上據稱勝過 GPT-6.1 Sol，成本約為五十分之一。上市日期與價格尚未公布，有興趣的企業需聯繫微軟的客戶團隊，據稱該方案將很快透過 Frontier Company 計畫提供。

## 發布時程

![Microsoft MAI - MAI Code 2 Flash 宣傳圖](https://migovi.com/wp-content/uploads/2026/11/microsoft-mai-7-mo-hinh-ai-gia-re-7.jpg)

MAI Code 2 與 Code 2 Flash 已在 GitHub Copilot 上線，Flash 版另在 Foundry 推出限量預覽，OpenRouter、Vercel、Hermes、Open Code 與 Kilo 預計隨後跟進。MAI Image 2.7 與 Flash 版以公開預覽形式登陸 Foundry、fal、Genspark、OpenRouter 與 Vercel。Decision 1.1 已在 Foundry、OpenRouter 及透過 Vercel 的 AI Gateway 全面推出。MAI Realtime 1 可在 MAI Labs 試用，也以預覽版形式在 Foundry 提供，公開預覽上線前免費。

以 OpenAI 的模型作為 MAI 系列的比較基準，發生在雙方仍緊密綁定的關係之中。四月時，微軟與 OpenAI 重新調整合作架構：OpenAI 現在可以透過任何雲端供應商銷售產品，Azure 仍是主要雲端夥伴，而微軟則持有 OpenAI 模型與產品的非獨家授權，期限到 2032 年。

**MIGOVI 觀點**

最值得注意的不是微軟便宜了多少，而是微軟有足夠的信心，在自家產品中直接拿 GPT 與 Claude 當比較基準，顯示 token 成本正成為比分數更大的課題。不過，幾乎所有數據都由微軟自行測得，其中一部分跑在內部的 MSBench 平台上，而 MAI Code 2 的低價也附帶 50% 促銷，期限至 2027 年 5 月 17 日，因此 Migovi 認為這些數字應視為承諾，而非定論。Decision 1.1 以 Google 的 Gemma 4 為基礎，也顯示大廠在對手的開放基礎模型夠好時，願意直接採用。對正在使用 GitHub Copilot 或 Azure 的讀者來說，較合理的做法是先拿 MAI Code 2 跑自己的實際工作並比較真實成本，而不是只憑廠商的比較表就急著轉換。

來源：[The Decoder (AI)](https://the-decoder.com/microsoft-is-replacing-outside-ai-models-in-its-own-products-with-cheaper-in-house-alternatives/)
