微軟釋出首款自研影像模型 MAI-Image-1：衝進 LMArena 前十

以前你在 Bing 裡敲一段文字讓 AI 畫圖，背後其實都是 OpenAI 的 DALL-E 3 或 GPT-4o 在幹活。現在，微軟終於開始掏出自家的真傢伙了。

微軟 AI 部門宣佈推出首款完全由內部自研的影像生成模型 MAI-Image-1。新模型一亮相就在盲測基準 LMArena 的文生圖排行榜裡擠進了前十。

目前這個模型已經塞進了 Bing Image Creator、Bing 移動應用和 Bing 搜尋框。有趣的是，微軟並沒有把舊模型撤掉，而是在模型選單裡把它和 DALL-E 3、GPT-4o 並排放在一起，讓大家自己選著用。

如果你在用 Copilot Labs 裡的音訊功能 Copilot Audio Expressions，開啟 Story 模式後，系統也會呼叫 MAI-Image-1 為你講的故事配圖。

專挑光影死角下手，順便把速度提上去

很多人用 AI 生成圖片最頭疼的就是「塑膠感」和千篇一律的濾鏡味。微軟在訓練 MAI-Image-1 時找來不少創意領域的專業人士給反饋，專門挑挑揀揀真實場景的資料，想把死板的生成風格去掉。

從官方給出的特點來看，MAI-Image-1 最擅長處理的是複雜光影，比如反彈光、倒影和風景構圖。另一個賣點是生成速度，它比那些又大又慢的重型模型輕快很多，適合讓人快速刷出一堆概念圖，挑中滿意的再導進別的設計工具精修。

在硬體上，微軟順便秀了一把家底：他們下一代 GB200 計算叢集已經正式跑起來了。在此之前，微軟 8 月剛釋出過自研的語音模型 MAI-Voice-1 和文本模型 MAI-1-preview，影像模型的加入算是把多模態拼圖補齊了一塊。

為什麼重要

對普通創作者來說，最大的好處是選擇權變多了。以前微軟生態裡的生成圖基本就一股 DALL-E 味，塑膠感重、人物風格容易死板。現在在 Bing 裡不用花錢就能隨時在 MAI-Image-1 和 OpenAI 模型之間來回切換，尤其是需要自然光影和風景背景時，多了一個很能打的免費備選項，而且生成速度夠快，試錯成本極低。

在我們看來，這件事情最有意思的是微軟的商業姿態。上週微軟才剛剛擴大了對 OpenAI 的投資，把持股比例拉到了約 27%，價值大概 1350 億美元。但轉過頭來，微軟 AI 就在自己的核心入口裡推自研模型，還讓它跟 OpenAI 正面打擂臺。

這說明微軟算得很清楚：資本上牢牢綁緊 OpenAI 吃估值紅利，產品底層卻絕不敢把雞蛋全放在一個籃子裡。通過 MAI 這一套組合拳，微軟既能降低呼叫外部 API 的高昂成本，又能在自研 GB200 叢集上沉澱全棧模型能力。對於整個生成式 AI 賽道來說，這看起來是個明確的訊號——即使親密如微軟和 OpenAI，科技巨頭最終也一定會走向自研演算法與算力自立。