微软在周二的 Ignite 会议上推出了一系列新的专用人工智能模型,在编码、网络安全和图像生成方面直接在 Anthropic 和 OpenAI 上展开竞争。

它不是试图构建一个在所有方面都击败所有人的聊天机器人,而是推出经过训练的模型,以低得多的成本完成特定的工作。

最大的亮点涉及 MAI Code 2,微软表示,它在常见企业编码任务上提供了 Claude Opus 5.5 96% 的性能,而成本仅为 5%。它还声称以 40% 的价格实现了 GPT-6.1 Sol 98% 的性能。

哪些公司将在2027年之前IPO?

OpenAI 也在周二发布了 GPT-6.2,因此微软的 Sol 比较已经涉及到老一代了。

这些数字是四项针对实际软件开发的评估的平均结果,包括修复代码和完成多文件更改。微软在自己的评估平台上运行了三项测试,第四项测试使用了外部结果,并使用 50% 的促销折扣计算了 MAI Code 2 的成本。

更轻的 Code 2 Flash 型号的目标是常规修复和快速编辑,微软声称其性能可与 Claude Haiku 5.5 相媲美,但价格仅为 Claude Haiku 5.5 的 20%,因此在不牺牲质量的情况下极其便宜。这两种编码模型都已经在 GitHub Copilot 中,将微软的内部技术直接融入到严重依赖外部人工智能供应商的产品中。

安全是另一个目标。微软表示,MAI Cyber​​ 2 Flash 在 Cyber​​Gym-E2E 评估的漏洞发现任务中成功完成了 92.3%,而 GPT-6 Astra 的成功率为 91.5%,而每项任务的成本还不到 2%。 Cyber​​Gym-E2E 对人工智能成功完成的软件安全调查的百分比进行评分;在确定源材料与其训练数据之间存在重叠后,Microsoft 排除了 905 项任务中的 92 项。

该公司尚未发布与 OpenAI 受限 GPT-6 Cyber​​ 模型的直接比较。其安全系统将于 12 月中旬开始为符合条件的 MDASH 客户替换旧的 MAI 模型,该系统建立在 Decrypt 之前介绍的漏洞扫描方法的基础上。

在人工智能领域,大卫也能打败歌利亚

小模型能打败大模型吗?当然是——在特定情况下。

通用模型必须学会写诗、解释物理、调试软件以及回答几乎所有问题。针对编码或网络防御进行调整的模型可以将更多的训练和计算预算花在对该工作重要的模式上,而不是在每个请求中都携带相同广度的知识。

这并不意味着较小的模型普遍变得更聪明。当任务定义明确时,它可以使他们更快、更经济,特别是在同一工作每天运行数千次的企业中。

分析每个新代码更改的安全扫描器不需要昂贵的前沿模型来解释罗马帝国的历史。如果一个模型可以发挥其全部能力来生成 Python 代码,那么为其 API 调用付费会比使用超级强大的通用模型更有意义。

专业化还可以改进围绕模型的整个系统:它调用的工具、验证其答案的检查以及用于改进它的数据。 OpenAI 在其 Mini 和 Nano 模型中采取了相关方法,让更便宜的工人处理日常任务,而更大的系统处理异常情况。

然而,这也是需要权衡的。微软自己的文档称,Code 2 尚未针对基础科学研究或长期运行的自主任务进行优化。 Anthropic 在廉价端市场与 Haiku 竞争,而不仅仅是其优质 Opus 型号,因此微软正在进入一场竞争对手已经了解的竞争。

MAI Image是更有说服力的演示

微软的 MAI Image 2.7 可能提供最清晰的证据,证明其战略正在发挥作用。在我们的快速并行测试中,它的图像在真实性、创造力和整体质量方面击败了 GPT Image 和 Google 的 Nano Banana。

这些只是几代人的第一印象,但他们广泛追踪了其在独立排名中的强劲表现。

在 Artificial Analysis 的图像编辑测试中,该测试要求人们在匿名生成的编辑之间进行选择,并将这些偏好转化为 Elo 评级,MAI Image 2.7 目前以 1,215 分领先,GPT Image 2.6 Sunburst 为 1,211 分。

四点差距足够小,以至于他们报告的不确定性范围重叠;使用相同的基于偏好的方法进行评分的单独文本到图像生成排名中,微软位居第四。

定价更难以忽视。在Artificial Analysis的比较中,微软对MAI Image 2.7每1,000张图像的报价约为35美元,对其Flash版本的报价为每1000美元10美元,而GPT Image 2.6 Sunburst在最高质量下的价格约为211美元。谷歌的 Nano Banana 2.1 的售价约为每 1,000 台 34 美元,而 Nano Banana Pro 的售价约为 134 美元;实际费用取决于提供商、分辨率和设置。

我们早期对 MAI Image 2 的测试发现其具有出色的真实感,但编辑和输出格式的限制却令人沮丧。新版本增加了通过 Microsoft Canvas 工作区进行交互式编辑、透明背景和通过 Foundry 进行更广泛的访问,尽管图像质量和可用产品仍然是两个不同的东西。也就是说,该模型也受到了严格审查。

微软还为选定的企业客户提供在 Azure 中自定义和运行其模型许可权重的能力,从而减少对外部供应商的依赖,而无需将技术开源。对于其专业策略的下一次测试,Code 2 已经在 GitHub Copilot 中提供,Cyber​​ 2 Flash 的推出计划于 12 月中旬开始。