微软亮出自研 MAI 模型家族：最高砍掉 89% GPU 成本

过去大半年，大模型厂商都在拼命卷上下文长度和推理 token，恨不得把所有任务都塞给最贵的最大模型。微软现在却反过来，开始算细账了。

在微软最新的第四季度财报电话会上，Satya Nadella 披露了一组数据，微软随后也在官方博客公布了背后的整套 MAI 系列小模型。上个季度他们悄悄上线了十几个针对专门场景的小模型，覆盖代码、安全、图像、语音和转录，把各个业务线里的 GPU 成本直接砍掉了 50% 到 89%。

把 90% 的粗活分给小弟

这套打法的核心逻辑其实很直白：杀鸡不要用牛刀。

这周刚上线的 MAI-Cyber-1-Flash 就是个典型。它在 CyberGym 安全基准测试上拿到了 96% 的分数，成绩超过了 Mythos，成本却只有之前顶配方案的一半，而且只需要部署在 H100 上。

微软的安排是，让这个小模型去处理日常 90% 的安全防御任务。至于剩下的 10% 极难问题，才交给舰队里最贵、体量最大的 GPT-5.4。

在日常办公场景里，微软也是这么干的。在 GitHub Copilot 里，从 6 月开始就有数百万开发者每天在使用 MAI-Code-1-Flash。在 VS Code 里的实测中，它的代码采纳率比 GPT-5.4 Mini 和 Claude Haiku 4.5 高出 10%，中位 token 用量还少了 10%。

微软甚至把这个代码底模放进 Excel 的强化学习环境里专门训练，让它在常见表格任务上的表现逼近 GPT-5.6。关键在于它足够小，用老一代的 A100 或 H100 就能跑，不用抢最昂贵的新卡。

从 Office 到医院，成本全线跳水

除了写代码，微软把整个主力产品矩阵都换上了自研小模型。

图像方面，MAI-Image-2.5-Flash 已经成为 Bing Image Creator 的端到端默认模型。它进了 PowerPoint 之后，把 GPU 成本直接压低了 84%；进了 OneDrive 之后，核心编辑场景的保存率提升了 26%，token 效率高了 2.5 倍。

语音客服也是大头。T-Mobile 和 EasyJet 等客户用来做智能客服的 Dynamics 365 Contact Center，换上 MAI-Voice-2-Flash 后，GPU 成本最高省了 89%。

而在医疗领域，支持 58 种语言的 MAI-Transcribe-1.5 接入了 Dragon Copilot。上个季度 17 万名医疗工作者靠它处理了 2800 万次问诊，转录和语种识别的错误率相对下降了 50%。

微软甚至把模型和自研芯片 Maia 200 做了软硬件协同设计，实测每瓦性能又提升了 40%。

为什么重要

我们认为，微软这一步走得极其清醒，可以说是头部大厂在商业化落地上的分水岭。

对普通用户和企业客户来说，最直接的好处是工具响应更快、日常更稳。你不用为了写个 Excel 公式或生成一张 PPT 配图，去排队等待高昂的前沿大模型吐字。特别是对于呼叫中心、代码补全和医疗问诊这种高并发场景，成本砍掉一半以上，意味着企业终于能把 AI 规模化铺开，而不是测完概念就因为账单太贵撤退。

对整个行业而言，微软此举基本给所谓的前沿模型崇拜泼了一盆冷水。过去大家都盯着榜单上的通用全能大模型，但现实是大部分工业界场景根本不需要通才。把专用小模型调教好，配合专门的测试脚手架和环境，完全能用十分之一的成本打出甚至更好的效果。

更值得琢磨的是微软关于韧性的表态。微软在文章里直言，任何企业都必须假设自己依赖的模型可能会因为安全事故、商业分歧或地缘政治变化而突然消失。微软把外围框架、记忆、动作空间和底层模型彻底解耦，说白了就是在减少对 OpenAI 单一模型的硬绑定。看起来，谁能把替代方案掌握在自己手里，谁才能在长跑里活得从容。