微軟升級 Azure AI Foundry：上線 GPT-4.5，支援私網智慧體與百模協同

企業部署大模型最頭疼的往往不是選哪個模型，而是資料怎麼出不去、賬單怎麼不爆表，以及幾百個智慧體怎麼不打架。

微軟給旗下的企業級平臺 Azure AI Foundry 塞進了一大批重磅更新。除了剛釋出的 OpenAI 旗艦大模型 GPT-4.5 開啟預覽，微軟還把小模型家族、定製微調工具以及一套能協調數百個智慧體幹活的系統端了出來。

從大塊頭到小鋼炮，模型庫湊齊了

這次更新最搶眼的當然是 GPT-4.5。微軟直接把它接進了 Azure OpenAI 服務和 GitHub Copilot Chat 企業版。按官方公佈的資料，相比 GPT-4o，GPT-4.5 的幻覺率從 61.8% 驟降到 37.1%，準確率則從 38.2% 衝到了 62.5%，情商和理解細微語境的能力都有明顯提升。

但微軟顯然沒打算讓所有人把預算全砸在 GPT-4.5 身上。隨著平臺模型數量突破 1800 個，這次上線的其他模型都在拼價效比和專精能力。

自家的 Phi 家族拿出了兩個新成員。一個是打通了文本、語音和視覺的 Phi-4-multimodal，專門用來給線下自助終端等場景看圖聽聲；另一個是隻有 38 億引數的 Phi-4-mini，擁有 128K 上下文，官方稱其推理速度提升了 30%，程式碼和數學表現比不少大模型還要強。

影像方面補齊了 Stability AI 的 Stable Diffusion 3.5 Large 和 Stable Image Ultra 等模型。搜尋重排領域加入了支援 100 多種語言的 Cohere Rerank v3.5。語音端則推了 GPT-4o 的音訊與即時互動預覽版，聲網 Agora 已經在用它跑低延遲的多語言對話服務。

蒸餾大模型，再讓幾百個智慧體進內網

如果嫌大模型呼叫太貴，微軟這次給出了一個標準的蒸餾工作流。開發者可以通過 Stored Completions API 和配套 SDK，把 GPT-4.5 這類頂尖大模型的知識壓縮提煉到輕量小模型裡，既壓低了延遲和呼叫成本，又能留住特定任務上的表現。

此外，針對需要極高邏輯嚴謹度的場景，微軟拿出了強化微調技術，通過獎勵正確推理路徑來訓練模型。針對微調後的模型，平臺除了按 Token 計費，還新增了基於預置吞吐量單位的固定資源計費。

最接地氣的還是安全和落地架構。企業做智慧體最怕資料洩露，微軟這次推出了自帶虛擬網路功能。智慧體互動、資料處理和介面呼叫全程鎖在企業自己的虛擬區域網裡，根本不走公網。富士通藉此打造的銷售提案智慧體，官方稱讓銷售額提升了 67%。

為了解決單打獨鬥的問題，微軟實驗室還發布了 Magma 多智慧體目標管理架構。這套系統可以同時排程和協調數百個智慧體並行工作，專門用來啃供應鏈最佳化這類超複雜的工業級硬骨頭。

為什麼重要

我們認為，微軟這套組合拳打得非常精明。大模型廠商還在卷單個模型的跑分，微軟已經在幫企業算總賬了。

對企業和開發者來說，最大的價值是打通了一條務實的落地路徑。你不需要在超高智力但貴得肉疼的 GPT-4.5，與便宜但容易犯傻的小模型之間做單選題。拿 GPT-4.5 跑高價值任務並作為教師模型，把知識蒸餾給自建的 Phi-4-mini 或 Mistral 定製模型，再把它塞進安全的私有網路裡，這套打法在成本和合規上都極具可行性。

對行業而言，微軟正在把大模型從單純的介面呼叫，推向工業化的流水線作業。競爭焦點已經從你家模型聰明多少，轉移到了多智慧體協同框架、網路隔離和定製化基建上。能夠協調數百個智慧體的 Magma 架構，很可能會逼著亞馬遜雲和谷歌雲加速拿出類似的企業級排程方案。

不過隱患依然存在。雖然 GPT-4.5 幻覺率大幅下降，但 37.1% 的水平在極度嚴肅的金融、法律或醫療核心業務裡依然偏高。數百個智慧體並行協作的 Magma 固然誘人，但一旦其中幾個鏈路出現級聯錯誤，除錯和追責的難度也將呈指數級上升。