微软发布 7 款自研 MAI 模型：从零训练不靠蒸馏，成立超级智能实验室

很多人还以为微软在 AI 领域只是 OpenAI 的大股东和算力包工头，但这家软件巨头刚刚亮出了自己的底牌。

微软 AI 团队一口气拿出了七款完全自研的 MAI 系列新模型，覆盖推理、代码、图像、语音和转录。更关键的是，微软明确表示这些模型全部从零自研，没有用任何竞品模型做数据蒸馏，训练数据全部来源合规且可追溯。

从推理到代码全线自研

这批新模型里挑大梁的是 MAI-Thinking-1。这是一只定位中等体量的推理模型，主打严谨的数学推导与软件工程能力，在盲测对比中人类评估偏好甚至超过了 Sonnet 4.6。

写代码方面，微软推出了 50 亿激活参数的 MAI-Code-1-Flash。它被直接塞进了 VS Code 和 GitHub Copilot，性能号称对标 Haiku，但推理成本要低得多。

多模态阵容也没落下。MAI Transcribe-1.5 支持 43 种语言的行业术语，运行速度宣称达到竞品的 5 倍。MAI-Voice-2 支持 15 种语言的少样本声音复刻，文生图的 MAI-Image-2.5 竞技场得分也压过了 Nano Banana Pro。

分发策略上微软这次放得很开。模型除了上架自家的 Azure Foundry，还会直接推向 OpenRouter、Fireworks 和 Baseten，并首次允许开发者直接调整模型权重。

软硬一体与强化学习实战

微软同时拿出了名为 Frontier Tuning 的前沿微调机制。简单说，就是把企业的真实工作流变成强化学习训练场，让模型在受控环境下学习实际业务。

按照微软公布的数据，针对 Excel 专门微调过的 MAI 模型，不仅能力匹配 GPT 5.4，运行效率还高出了整整 10 倍，成本大幅压低。

在底层算力上，微软正把自研芯片 Maia 200 结合进训练与推理架构中，带来了 1.4 倍的效率提升，下一代 GB200 集群也已经点亮运转。

在敏感垂直领域，微软宣布与梅奥诊所展开深度合作，基于临床数据打造专属医疗大模型。该模型最终版权归梅奥诊所所有，先在梅奥内部验证，之后再通过 Foundry 开放给其他机构。

为什么重要

我们认为，这七款模型的亮相，标志着微软在基础模型层面的策略发生了根本性转向。

过去几年微软深度绑定 OpenAI，但依附于单一第三方的隐患显而易见，不仅算力成本高昂，核心数据和定制能力也难以完全自主掌控。现在微软自己端出全套自研底座，而且从底层芯片 Maia 200 到端侧开发工具 GitHub Copilot 形成闭环，摆明了要在模型层建立自给自足的能力。

对于企业和开发者来说，最大的吸引力在于数据合规与成本。微软强调不走第三方蒸馏捷径、数据血统干净，这直接击中了金融、医疗等大客户对版权侵权和合规审查的焦虑。而 50 亿参数的轻量代码模型与针对特定工作流的微调机制，把调用成本直接压低了一个数量级，对算力敏感的团队值得尽快在 OpenRouter 或 Foundry 上上手实测。

不过，微软自研大模型究竟能否在最前沿的通用复杂推理上持续紧跟 OpenAI 和 Anthropic，目前还要打个问号。但在高频的企业应用、代码辅助和垂类工作流里，微软借着现成的 Office 和云生态，已经找到了最容易落地的商业切口。