上周二微软在 Build 2026 上扔了一颗炸弹——一口气发布七款自研 MAI 模型。| 说实话我第一反应不是哇好厉害而是终于来了。微软给 OpenAI 砸了 {约130亿美元 || 来源:CNBC 2026年6月2日报道}结果现在自己从头训练模型不用 OpenAI 一滴数据。这操作——怎么形容呢——像谈了五年恋爱突然宣布我单身了而且过得更好。 |先别急着吃瓜。对开发者来说这事儿比八卦重要得多。MAI-Thinking-135B 参数128K 上下文专打推理七款模型里最值得聊的就是 MAI-Thinking-1微软的旗舰推理模型。几个硬指标先摆出来参数MAI-Thinking-1Claude Opus 4.6Claude Sonnet 4.6架构MoE混合专家--活跃参数{35B来源:Microsoft AI官方博客2026年6月2日}上下文窗口{256K tokens来源:Enterprise DNA转引Microsoft Build 2026公告}SWE-Bench Pro匹配 Opus 4.6基准线低于基准线训练数据干净授权数据零蒸馏未公开未公开注意那个零蒸馏。微软专门强调MAI-Thinking-1 的预训练数据排除了所有 AI 生成内容不蒸馏第三方模型。HN 上有人调侃——Clean Data别是拿不干净的模型生成的合成数据来充数吧微软的回复很硬气企业级、商业授权、无第三方蒸馏。这个表态在当前环境下意味深长。很多模型训练数据来源不明版权纠纷一波接一波微软直接把数据干净当卖点来打。| MoE 架构的好处是推理时只激活模型的一部分35B 活跃参数但总参数量更大。配合微软自研的 {Maia 200 芯片 || 来源:Microsoft AI官方博客}效率提升了 {1.4倍 || 来源:Microsoft AI官方博客}。 |五十亿参数的代码模型51% SWE-BenchMAI-Code-1-Flash 是另一个让我惊讶的模型。| {50亿参数 || 来源:Enterprise DNA转引Microsoft Build 2026公告}跑出了 {51% 的 SWE-Bench Pro 分数 || 来源:Enterprise DNA转引Microsoft Build 2026公告}。 |什么概念去年这个时候50亿参数的模型连 SWE-Bench 的门槛都摸不到。现在直接过了半程。而且它已经深度集成进了 GitHub Copilot 和 VS Code。说白了微软在赌一件事大部分日常编码任务根本不需要 GPT-5 级别的大模型一个轻量模型就够。这跟 NVIDIA 那篇论文的思路一模一样——Agent 系统里 80% 的调用是简单任务用 SLM小语言模型就够了只有真正复杂的推理才需要大模型上。Frontier Tuning在自己的合规边界内调模型这个功能可能是整个发布里对大企业最有价值的部分。传统 fine-tuning 是把数据传给模型厂商的 API让他们帮你调。Frontier Tuning 不一样——你在自己的合规边界内用强化学习调模型权重。数据不出你的环境。传统 Fine-tuning 流程 你的数据 → 传到厂商API → 厂商调参 → 返回模型 Frontier Tuning 流程 你的数据 → 本地RL环境 → 模型在你这边迭代 → 数据零外泄微软给了两个实测数据| - 为 Excel 场景调优后的 MAI 模型性能匹配 {GPT 5.4 || 来源:Microsoft AI官方博客}但效率高了 {10倍 || 来源:Microsoft AI官方博客} || - 为麦肯锡标准调优后MAI 在测试中赢率最高成本大约只有 {十分之一 || 来源:Microsoft AI官方博客} |说个坑——Frontier Tuning 听起来美好但你需要自己搭 RL 环境Reinforcement Learning Environment这不是点点按钮就能搞定的。小团队可能玩不转。七款模型的全家福模型类型核心参数/能力状态MAI-Thinking-1推理/文本35B活跃参数256K上下文私有预览MAI-Code-1-Flash代码5B参数51% SWE-Bench可用MAI-Image-2.5图像生成Arena.ai第3名可用MAI-Image-2.5 Flash图像生成高效更快更便宜可用MAI-Transcribe-1.5语音转文字FLEURS第1名43种语言可用MAI-Voice-2文字转语音15种语言声音克隆可用MAI-Voice-2 Flash文字转语音高效更低成本即将上线| 定价方面MAI-Image-2.5 的文本输入 {5美元/百万tokens || 来源:Microsoft Tech Community博客}图像输出 {47美元/百万tokens || 来源:Microsoft Tech Community博客}。Flash 版本更便宜。MAI-Transcribe-1.5 转写一小时音频 {0.36美元 || 来源:Microsoft Tech Community博客}。MAI-Voice-2 合成一百万字符 {22美元 || 来源:Microsoft Tech Community博客}。 |微软为什么现在离婚这事儿不只是技术问题。| {2026年初 || 来源:CNBC报道} OpenAI 调整了 API 定价所有重度依赖 OpenAI 的公司一下子暴露了成本风险。微软作为企业云平台不能让自家 AI 战略绑死在别人定价表上。 |Enterprise DNA 那篇分析写得很到位——模型能力正在变成商品层真正的差异化在于合规边界内的训练、数据驻留、部署灵活性。换句话说谁的模型更强这个问题越来越不重要了。谁能让我放心用才是企业买单的理由。怎么上手目前 MAI-Thinking-1 还在私有预览阶段需要申请。其他模型已经可以在以下平台跑# Azure Foundry 方式主要渠道fromazure.ai.inferenceimportChatCompletionsClientfromazure.core.credentialsimportAzureKeyCredentialclientChatCompletionsClient(endpointhttps://your-resource.services.ai.azure.com/models,credentialAzureKeyCredential(your-key))responseclient.complete(messages[{role:user,content:解释一下MoE架构}],modelMAI-Code-1-Flash)print(response.choices[0].message.content)也可以通过 OpenRouter、Fireworks AI、Baseten 调用。微软这次没把模型锁死在 Azure——这个姿态本身就说明问题。| 对了还有个免费试玩的入口{MAI Playground || 来源:Microsoft Tech Community博客}aka.ms/mai-playground不用写代码就能体验。 |我的判断MAI-Thinking-1 不会明天就干翻 Claude 或 GPT。但它做了一件很重要的事——给了市场第三个选择。之前企业选模型基本就是 OpenAI vs Anthropic 二选一。现在微软用自家云基础设施、合规能力和定价优势硬生生插了一脚。而且5B参数的代码模型跑出51% SWE-Bench说明小模型路线真的能打。你目前用的是哪家的模型有没有考虑过换——或者说你选模型时最在意什么能力、成本、还是合规评论区聊聊说不定能帮到正在纠结的人。
微软自研七款MAI模型，35B参数对标Claude Opus，零OpenAI蒸馏
上周二微软在 Build 2026 上扔了一颗炸弹——一口气发布七款自研 MAI 模型。| 说实话我第一反应不是哇好厉害而是终于来了。微软给 OpenAI 砸了 {约130亿美元 || 来源:CNBC 2026年6月2日报道}结果现在自己从头训练模型不用 OpenAI 一滴数据。这操作——怎么形容呢——像谈了五年恋爱突然宣布我单身了而且过得更好。 |先别急着吃瓜。对开发者来说这事儿比八卦重要得多。MAI-Thinking-135B 参数128K 上下文专打推理七款模型里最值得聊的就是 MAI-Thinking-1微软的旗舰推理模型。几个硬指标先摆出来参数MAI-Thinking-1Claude Opus 4.6Claude Sonnet 4.6架构MoE混合专家--活跃参数{35B来源:Microsoft AI官方博客2026年6月2日}上下文窗口{256K tokens来源:Enterprise DNA转引Microsoft Build 2026公告}SWE-Bench Pro匹配 Opus 4.6基准线低于基准线训练数据干净授权数据零蒸馏未公开未公开注意那个零蒸馏。微软专门强调MAI-Thinking-1 的预训练数据排除了所有 AI 生成内容不蒸馏第三方模型。HN 上有人调侃——Clean Data别是拿不干净的模型生成的合成数据来充数吧微软的回复很硬气企业级、商业授权、无第三方蒸馏。这个表态在当前环境下意味深长。很多模型训练数据来源不明版权纠纷一波接一波微软直接把数据干净当卖点来打。| MoE 架构的好处是推理时只激活模型的一部分35B 活跃参数但总参数量更大。配合微软自研的 {Maia 200 芯片 || 来源:Microsoft AI官方博客}效率提升了 {1.4倍 || 来源:Microsoft AI官方博客}。 |五十亿参数的代码模型51% SWE-BenchMAI-Code-1-Flash 是另一个让我惊讶的模型。| {50亿参数 || 来源:Enterprise DNA转引Microsoft Build 2026公告}跑出了 {51% 的 SWE-Bench Pro 分数 || 来源:Enterprise DNA转引Microsoft Build 2026公告}。 |什么概念去年这个时候50亿参数的模型连 SWE-Bench 的门槛都摸不到。现在直接过了半程。而且它已经深度集成进了 GitHub Copilot 和 VS Code。说白了微软在赌一件事大部分日常编码任务根本不需要 GPT-5 级别的大模型一个轻量模型就够。这跟 NVIDIA 那篇论文的思路一模一样——Agent 系统里 80% 的调用是简单任务用 SLM小语言模型就够了只有真正复杂的推理才需要大模型上。Frontier Tuning在自己的合规边界内调模型这个功能可能是整个发布里对大企业最有价值的部分。传统 fine-tuning 是把数据传给模型厂商的 API让他们帮你调。Frontier Tuning 不一样——你在自己的合规边界内用强化学习调模型权重。数据不出你的环境。传统 Fine-tuning 流程 你的数据 → 传到厂商API → 厂商调参 → 返回模型 Frontier Tuning 流程 你的数据 → 本地RL环境 → 模型在你这边迭代 → 数据零外泄微软给了两个实测数据| - 为 Excel 场景调优后的 MAI 模型性能匹配 {GPT 5.4 || 来源:Microsoft AI官方博客}但效率高了 {10倍 || 来源:Microsoft AI官方博客} || - 为麦肯锡标准调优后MAI 在测试中赢率最高成本大约只有 {十分之一 || 来源:Microsoft AI官方博客} |说个坑——Frontier Tuning 听起来美好但你需要自己搭 RL 环境Reinforcement Learning Environment这不是点点按钮就能搞定的。小团队可能玩不转。七款模型的全家福模型类型核心参数/能力状态MAI-Thinking-1推理/文本35B活跃参数256K上下文私有预览MAI-Code-1-Flash代码5B参数51% SWE-Bench可用MAI-Image-2.5图像生成Arena.ai第3名可用MAI-Image-2.5 Flash图像生成高效更快更便宜可用MAI-Transcribe-1.5语音转文字FLEURS第1名43种语言可用MAI-Voice-2文字转语音15种语言声音克隆可用MAI-Voice-2 Flash文字转语音高效更低成本即将上线| 定价方面MAI-Image-2.5 的文本输入 {5美元/百万tokens || 来源:Microsoft Tech Community博客}图像输出 {47美元/百万tokens || 来源:Microsoft Tech Community博客}。Flash 版本更便宜。MAI-Transcribe-1.5 转写一小时音频 {0.36美元 || 来源:Microsoft Tech Community博客}。MAI-Voice-2 合成一百万字符 {22美元 || 来源:Microsoft Tech Community博客}。 |微软为什么现在离婚这事儿不只是技术问题。| {2026年初 || 来源:CNBC报道} OpenAI 调整了 API 定价所有重度依赖 OpenAI 的公司一下子暴露了成本风险。微软作为企业云平台不能让自家 AI 战略绑死在别人定价表上。 |Enterprise DNA 那篇分析写得很到位——模型能力正在变成商品层真正的差异化在于合规边界内的训练、数据驻留、部署灵活性。换句话说谁的模型更强这个问题越来越不重要了。谁能让我放心用才是企业买单的理由。怎么上手目前 MAI-Thinking-1 还在私有预览阶段需要申请。其他模型已经可以在以下平台跑# Azure Foundry 方式主要渠道fromazure.ai.inferenceimportChatCompletionsClientfromazure.core.credentialsimportAzureKeyCredentialclientChatCompletionsClient(endpointhttps://your-resource.services.ai.azure.com/models,credentialAzureKeyCredential(your-key))responseclient.complete(messages[{role:user,content:解释一下MoE架构}],modelMAI-Code-1-Flash)print(response.choices[0].message.content)也可以通过 OpenRouter、Fireworks AI、Baseten 调用。微软这次没把模型锁死在 Azure——这个姿态本身就说明问题。| 对了还有个免费试玩的入口{MAI Playground || 来源:Microsoft Tech Community博客}aka.ms/mai-playground不用写代码就能体验。 |我的判断MAI-Thinking-1 不会明天就干翻 Claude 或 GPT。但它做了一件很重要的事——给了市场第三个选择。之前企业选模型基本就是 OpenAI vs Anthropic 二选一。现在微软用自家云基础设施、合规能力和定价优势硬生生插了一脚。而且5B参数的代码模型跑出51% SWE-Bench说明小模型路线真的能打。你目前用的是哪家的模型有没有考虑过换——或者说你选模型时最在意什么能力、成本、还是合规评论区聊聊说不定能帮到正在纠结的人。
