微软发布首款自研图像模型 MAI-Image-1：冲进 LMArena 前十

以前你在 Bing 里敲一段文字让 AI 画图，背后其实都是 OpenAI 的 DALL-E 3 或 GPT-4o 在干活。现在，微软终于开始掏出自家的真家伙了。

微软 AI 部门宣布推出首款完全由内部自研的图像生成模型 MAI-Image-1。新模型一亮相就在盲测基准 LMArena 的文生图排行榜里挤进了前十。

目前这个模型已经塞进了 Bing Image Creator、Bing 移动应用和 Bing 搜索框。有趣的是，微软并没有把旧模型撤掉，而是在模型菜单里把它和 DALL-E 3、GPT-4o 并排放在一起，让大家自己选着用。

如果你在用 Copilot Labs 里的音频功能 Copilot Audio Expressions，开启 Story 模式后，系统也会调用 MAI-Image-1 为你讲的故事配图。

专挑光影死角下手，顺便把速度提上去

很多人用 AI 生成图片最头疼的就是「塑料感」和千篇一律的滤镜味。微软在训练 MAI-Image-1 时找来不少创意领域的专业人士给反馈，专门挑挑拣拣真实场景的数据，想把死板的生成风格去掉。

从官方给出的特点来看，MAI-Image-1 最擅长处理的是复杂光影，比如反弹光、倒影和风景构图。另一个卖点是生成速度，它比那些又大又慢的重型模型轻快很多，适合让人快速刷出一堆概念图，挑中满意的再导进别的设计工具精修。

在硬件上，微软顺便秀了一把家底：他们下一代 GB200 计算集群已经正式跑起来了。在此之前，微软 8 月刚发布过自研的语音模型 MAI-Voice-1 和文本模型 MAI-1-preview，图像模型的加入算是把多模态拼图补齐了一块。

为什么重要

对普通创作者来说，最大的好处是选择权变多了。以前微软生态里的生成图基本就一股 DALL-E 味，塑料感重、人物风格容易死板。现在在 Bing 里不用花钱就能随时在 MAI-Image-1 和 OpenAI 模型之间来回切换，尤其是需要自然光影和风景背景时，多了一个很能打的免费备选项，而且生成速度够快，试错成本极低。

在我们看来，这件事情最有意思的是微软的商业姿态。上周微软才刚刚扩大了对 OpenAI 的投资，把持股比例拉到了约 27%，价值大概 1350 亿美元。但转过头来，微软 AI 就在自己的核心入口里推自研模型，还让它跟 OpenAI 正面打擂台。

这说明微软算得很清楚：资本上牢牢绑紧 OpenAI 吃估值红利，产品底层却绝不敢把鸡蛋全放在一个篮子里。通过 MAI 这一套组合拳，微软既能降低调用外部 API 的高昂成本，又能在自研 GB200 集群上沉淀全栈模型能力。对于整个生成式 AI 赛道来说，这看起来是个明确的信号——即使亲密如微软和 OpenAI，科技巨头最终也一定会走向自研算法与算力自立。