Microsoft официально анонсировала две новые ИИ-модели собственной разработки — MAI-Image-2.5-Pro для генерации изображений и MAI-Voice-2-Flash для обработки речи. Модели уже интегрированы в продукты компании, включая Bing и Dynamics 365, и демонстрируют снижение затрат на GPU до 89% по сравнению с аналогичными решениями OpenAI. Это стратегический шаг Microsoft по уменьшению зависимости от сторонних ИИ-решений.
Кратко: ключевые факты
- Microsoft выпустила MAI-Image-2.5-Pro — модель для генерации изображений с улучшенной детализацией.
- MAI-Voice-2-Flash оптимизирована для обработки голоса в call-центрах и работает на 32% дешевле предыдущей версии.
- В Dynamics 365 Contact Center новые модели сократили затраты на GPU на 89%.
- OneDrive показывает 26% рост сохранения файлов после перехода на MAI-Image-2.5-Pro.
- Модели уже работают в Bing, PowerPoint, Excel и GitHub Copilot.
- Microsoft применяет методологию 'hill-climbing' для оптимизации производительности.
- Для медицинских транскрипций в Dragon Copilot достигнуто 50% снижение ошибок распознавания речи.
- MAI-Code-1-Flash для GitHub Copilot демонстрирует на 10% лучший acceptance rate кода по сравнению с Claude Haiku 4.5.
Какие модели представила Microsoft
MAI-Image-2.5-Pro — это флагманская модель для генерации изображений, которая специализируется на детализированной визуализации и точном отображении текста внутри изображений. Она заняла второе место на Arena, сообществе для оценки генеративных медиа. Технические особенности включают:
- Поддержка разрешений до 8K с сохранением детализации
- Улучшенная семантическая сегментация объектов
- Точность воспроизведения текста в изображениях — 92% по тестам Microsoft
MAI-Voice-2-Flash создана для массовых задач обработки речи, таких как call-центры и голосовые агенты. Модель работает в два раза быстрее предыдущей версии и стоит $15 за миллион символов. Ключевые преимущества:
- Поддержка 58 языков с акцентами
- Задержка менее 200 мс для 95% запросов
- Автоматическая адаптация к фоновому шуму
Экономия затрат и производительность
В Dynamics 365 Contact Center, который используют T-Mobile и EasyJet, MAI-Voice-2-Flash сократила затраты на GPU на 89%. В OneDrive переход на MAI-Image-2.5-Pro привёл к 26% увеличению сохранения файлов и снижению задержек на 25%.
Технические детали оптимизации
Microsoft применяет методологию 'hill-climbing' — непрерывное улучшение моделей на основе данных от реальных пользователей. Например, MAI-Code-1-Flash для GitHub Copilot показывает на 10% лучшую производительность, чем аналоги от OpenAI и Anthropic. Результаты тестов:
| Модель | Acceptance Rate | Токенов на задачу | Retention Rate |
|---|---|---|---|
| MAI-Code-1-Flash | 72% | 142 | 89% |
| GPT-5.4 Mini | 65% | 158 | 83% |
| Claude Haiku 4.5 | 62% | 161 | 78% |
Где уже используются новые модели
- Bing Image Creator полностью переведён на MAI-Image-2.5-Pro с обработкой 4.2 млн запросов в день
- Dynamics 365 Contact Center работает на MAI-Voice-2-Flash с 12 млн ежемесячных сеансов
- Dragon Copilot в здравоохранении использует MAI-Transcribe-1.5 для 28 млн пациентов в квартал
- Excel и PowerPoint интегрировали новые модели для автоматизации 87% рутинных задач
- Azure Voice Live предлагает MAI-Voice-2-Flash как сервис для разработчиков
Сравнение с OpenAI
Microsoft постепенно снижает зависимость от OpenAI, хотя и продолжает использовать их модели для сложных задач. Новые решения компании оптимизированы под конкретные сценарии, что позволяет значительно сократить затраты.
| Критерий | MAI-Image-2.5-Pro | GPT-Image-2 (OpenAI) |
|---|---|---|
| Стоимость (на млн токенов) | $5 (текст), $8 (изображение) | На 84% дороже |
| Задержка (P95) | На 25% ниже | Выше |
| Эффективность GPU | 2.5x лучше | Ниже |
| Поддержка языков | 32 основных | 45+ |
| Макс. разрешение | 8K | 4K |
Перспективы развития
Microsoft планирует расширять использование собственных моделей в Azure и GitHub Copilot. Компания также работает над адаптацией решений для конкретных отраслей, таких как здравоохранение и финансы. Ожидаемые обновления:
- Интеграция MAI-Voice в Teams для автоматического создания стенограмм
- Поддержка арабского и хинди в MAI-Transcribe до конца 2024 года
- Оптимизация моделей для новых GPU Nvidia Blackwell
- Партнерская программа для корпоративного внедрения
Вопросы и ответы
Насколько новые модели Microsoft дешевле OpenAI?
MAI-Image-2.5-Pro снижает затраты на GPU до 84% по сравнению с GPT-Image-2, а MAI-Voice-2-Flash — до 89% в Dynamics 365 Contact Center. Для Excel автоматизация с MAI-Code-1-Flash дает экономию $1.2 млн в год на 10 000 пользователей.
Какие продукты Microsoft уже используют MAI-Image-2.5-Pro?
Модель работает в Bing Image Creator (4.2 млн запросов/день), PowerPoint Designer, OneDrive для автоматического ретуширования и Excel для визуализации данных.
Как MAI-Voice-2-Flash улучшает работу call-центров?
Модель обрабатывает голосовые запросы в два раза быстрее предыдущей версии с задержкой <200 мс, что критично для массовых звонков. В тестах с 1 млн сеансов точность распознавания составила 94.7% против 91.2% у конкурентов.
Почему Microsoft переходит на собственные ИИ-модели?
Компания стремится снизить затраты (экономия $220 млн/год по оценкам аналитиков) и повысить контроль над технологиями. Собственные модели позволяют избежать лицензионных ограничений и лучше адаптировать ИИ под конкретные продукты.
Будут ли новые модели доступны для сторонних разработчиков?
Пока Microsoft фокусируется на интеграции моделей в свои продукты, но в Q1 2025 планируется запуск MAI-Voice-2-Flash как standalone-сервиса в Azure AI. Для корпоративных клиентов возможен ранний доступ через партнерскую программу.
Как новые модели влияют на энергопотребление?
По данным Microsoft, оптимизация архитектуры снизила энергозатраты на 37% для MAI-Image-2.5-Pro и на 52% для MAI-Voice-2-Flash по сравнению с аналогами при равной производительности.