微软想甩开 OpenAI
微软开始用自研 AI 模型替换 OpenAI 的模型,给自家产品供能。
周三,微软旗下的"超级智能"团队(Superintelligence team)一口气公布了两款自研模型,外加一份罕见详细的生产数据。它想证明一件事:微软的产品可以靠微软自己的模型跑起来,不必再依赖 OpenAI 的顶尖模型。
微软官方博客写道:
每一项改进都指向同一个目标:微软的产品,由微软的模型驱动。
一年前微软才承诺要自己造模型,如今它把这些模型已经在哪些产品里干活一一列了出来:必应、PowerPoint、OneDrive、Dynamics 365、Excel、GitHub Copilot、Azure。信息很明确——这些自研模型不再是实验室里的研究项目,而是每天服务几百万用户的生产系统。
两款模型,两个极端
一款主打极致画质走高端,一款主打高并发、低成本走量,分居成本曲线两端。
微软把这两款模型放在它所谓"质量-速度-成本曲线"的两端,这是有意为之。
MAI-Image-2.5-Pro 走高端:海报级大图、精细修图,尤其是把文字准确画进图里——这一直是 AI 图像生成的老大难。它按 token(模型处理文字或图像的最小计费单位,类似"字数")计价:每百万文字输入 5 美元,每百万图像输出 106 美元。它的基础版本此前在社区评测榜 Arena 的图像编辑项目上排到第二名。广告巨头 WPP 的全球首席创意官 Rob Reilly 在微软公告里评价这款 Pro 模型是"生成式媒体工具的一大步",还说"微软已经稳稳跻身生成式 AI 的第一梯队"。
MAI-Voice-2-Flash 走另一头:比上一代快一倍、便宜 32%,每百万字符 15 美元。它瞄准的是不起眼但巨大的市场——呼叫中心、语音客服这类每天要处理几百万通电话的场景,这里在乎的是每通电话的延迟和成本,而不是语音多一分表现力。
一句话概括这个策略:微软要的是一整个"模型家族",而不是一款独大的旗舰。追求极致画质的创意工作室,和一天处理几百万通电话的客服系统,需求根本不一样。
真正的重点是账单
换上自研模型后,微软各产品线的算力成本大幅下降,最高砍掉 89%。
比起模型本身,微软随之公布的部署数据更值得看——它们像一份系统性的证明,论证微软可以在整个产品线上把第三方顶尖模型换掉。
必应的图像创作工具现在完全跑在自研的 MAI-Image-2.5 上,从头到尾第一次全部由内部模型驱动。在 PowerPoint 里,微软说这个模型相比 OpenAI 的 GPT-Image-2,把 GPU(训练和运行 AI 所用的高性能芯片,是 AI 最烧钱的硬件)成本压低了最多 84%。在 OneDrive 里,它已成为关键修图场景的默认模型,微软报告保存率提升 26%、延迟降低约 25%、中等负载下效率提升 2.5 倍。
语音这边,MAI-Voice-2-Flash 现在给 Dynamics 365 客服中心供能——T-Mobile、易捷航空都是它的客户——微软称这里的 GPU 成本最多降了 89%。它还接入了面向开发者的 Azure Voice Live。
医疗是最要命的一块
微软的医疗转录工具换上自研模型后,声称转录错误率相对降低一半。
影响最深的部署在医疗领域。微软的 Dragon Copilot 被 17 万名医护人员使用,上个季度处理了 2800 万次患者问诊,现在它覆盖 58 种语言的多语言转录,改由自研的 MAI-Transcribe-1.5 承担。
微软说,内部评测显示在大多数语言上,转录和语种识别的错误率都相对降低了 50%。在医疗场景里,这个数字的分量不一样——一句转录错误会直接写进病历,顺着往下传。
换句话说,这不是一个"图片好不好看"的场景,而是错一个字都可能出事的场景。
小模型如何打平 GPT-5.6
微软把编程小模型丢进 Excel 训练环境再练一遍,让它在表格任务上追平顶尖大模型,还能跑在两代前的老显卡上。
同一天,微软还发了一篇配套文章,讲清这些成绩背后的方法,它称之为"爬山机器"——数据、模型,和包在模型外面的产品"外壳"(harness,指记忆、上下文、工具技能等模型之外的支撑系统)组成的一套飞轮。
最清楚的例子是 MAI-Code-1-Flash,一款六月上线 GitHub Copilot 的轻量编程模型。微软说,在 VS Code 里它的代码采纳率比 OpenAI 的 GPT-5.4 Mini 和 Anthropic 的 Claude Haiku 4.5 高约 10%,消耗的 token 还少 10%。
接着微软做了件更有意思的事:它拿这个编程模型的存档节点(checkpoint,训练到一半时保存下来的模型状态),丢进一个 Excel 的强化学习环境(让模型反复试错、按结果给奖惩来学会一项技能的训练场),教一个"写代码的模型"去学表格工作。结果据用户反馈,这个模型在最常见的 Excel 任务上追平了 GPT-5.6——而且它小到能跑在英伟达两代前的 H100 甚至 A100 老显卡上,不用最新的芯片。
这个硬件细节值得划重点。每一家 AI 公司都在抢最新芯片的配额,一个用两代前显卡就能做出接近顶尖水平的模型,等于彻底改写了部署这笔账。它还把最新的硬件——包括微软刚投用的 GB200 集群——腾出来专门用于训练。
Nadella 的"前沿扩散"
微软 CEO Satya Nadella 把策略讲成一句话:一年前的顶尖能力如今已是白菜价,微软要便宜复刻它们,并借此重画和 OpenAI 的关系。
微软 CEO Satya Nadella 在 X 上发了篇长文,标题叫"前沿扩散与控制",几乎是一份战略宣言。
我们现在可以把已经饱和的前沿能力,通过为高频产品优化的模型,大规模、低成本地交付出去;同时在真正需要前沿的地方,继续用前沿模型。
他还说,微软"已经开始在自家产品上把流量导向 MAI 模型——只要我们的模型追平或超过前沿替代品"。
翻译成大白话:一年前还是最先进的能力,如今已是入场标配;而真实产品里占大头的,恰恰是那些具体、重复的任务。用户只是想重新排一下 Excel 的某一列,凭什么要为此付顶尖模型的价钱?
Nadella 特意强调,OpenAI 和 Anthropic 的前沿模型"仍是编排系统(按任务把请求分派给不同模型的调度系统)里的一部分"。但他也抛出一条尖锐的原则:一家公司的评测体系"即便撤掉其中任何一个模型,也应该继续爬升"。把外壳、记忆、上下文和技能留在模型之外,才是微软握住的控制权——言下之意很清楚:模型可以随时换,微软这个"编排者"的位置不能丢。
背景补一句:路透社四月报道,微软对 OpenAI 技术的独家授权已改成非独家;The Information 去年九月报道,微软已开始在部分产品里用上 Anthropic 的模型。周三的公告把这个三角补全了。
数字都是自己打的分
这些亮眼数据全部来自微软内部评测、由微软挑选公布,不是独立基准。
网上的反应两极。有人叫好:X 用户 @mavihsk 回复 Nadella 说"我就喜欢用小模型干细分小活,凭什么改个 Excel 字段也得动用那个无所不知的大模型";@nabu_lines 把卖点提炼成一句"别再滥用最大的模型,成本和性能会一起变好"。
也有人不买账。设计师 @designedbyabin 说"论听取用户反馈,微软是最差的",断言它"会输掉这场 AI 竞赛,因为它一次次读不懂用户要什么"。还有人 @tokenoverflow 阴阳 Nadella 那句"撤掉模型也要继续爬升":"我倒希望撤掉微软之后它还能继续爬。"
质疑戳中了要害:微软自报的采纳率、保存率、GPU 省了多少,全来自它自己的内部评测,不是独立第三方基准,而且公布哪些对比也是微软自己挑的。
不过这套策略的逻辑不靠某一个数字撑着。Nadella 说软件"第一次有了真实的边际成本"——当 AI 功能要在一个十亿级用户的产品线上、随每一次敲键运行时,省 84% 的算力就不是锦上添花,而是"一门生意成立还是烧钱无底洞"的分界线。
微软要把打法当产品卖
微软真正的生意,是把这套省钱打法打包成 Azure 产品卖给所有企业,让客户把 AI 负载留在它的云上——哪怕模型不是微软的。
策略的最后一块拼图:微软卖的不只是模型,是整套打法。Nadella 明说这套"爬山"方法是"给所有 AI 原生公司、SaaS 公司和企业的模板",微软通过 Foundry 平台和它称为"前沿调优"(Frontier Tuning)的工具链打包出售——让企业用自己的私有数据和评测,训练专属模型。
这就把微软"内部省成本"的动作,变成了一个 Azure 上的产品;也给了企业客户一个理由:哪怕模型来自别家,也把 AI 负载放到微软的云上跑。
微软还特意强调,它的模型训练用的是"干净、可追溯、企业级的数据,不从第三方模型蒸馏"(蒸馏,指用别家大模型的输出来训练自己的模型,常被质疑侵权)。在训练数据来源越来越受审视、甚至打官司的当下,微软赌的是:企业买家——还有法院——会在意能力到底从哪来。
说到底,微软七年前押了超过 130 亿美元,赌 OpenAI 会造出 AI 的未来。周三这份公告透露它学到了一课更便宜的道理:造出前沿的人拿走名声,把前沿变成日常的人拿走利润。微软想当的,是后者。