先週、BloombergがMicrosoftが生産Officeワークロードを自社のMAIモデルにルーティングしていることを確認したことを報じました。今週、その構図はさらに明確になりました。MicrosoftのファーストパーティAIスタックはもはや単なる構想ではありません。それはデプロイされ、価格設定され、デバイスからクラウドまで完全な垂直統合としてアーキテクチャ化されています。CTOやエンジニアリングリーダーにとって、問題は「Microsoftのモデルは実用レベルか？」から「一つのベンダーがシリコン、モデル、アプリケーションのすべてをコントロールするスタックをどうアーキテクチャするか？」へと移り変わりました。

完全なファーストパーティスタック

Microsoftは現在、GoogleとAppleを除けば唯一のフルスタックAIポートフォリオを運用しています。2026年7月時点のアーキテクチャは以下の通りです。

デバイス上（Aion 1.0）： 要約、リライト、意図分類のための軽量推論 — EdgeおよびWindows上のCPU、GPU、またはNPUで動作。14BパラメータのAion 1.0 Planバリアントは、Windows Agent Frameworkを介したツール呼び出しとサブエージェントオーケストレーションによるエージェンティックワークフローを処理します。今月中にオープンウェイトがHugging Faceで公開される予定です。

エッジ（Phi-4ファミリー）： 3.8Bから15Bパラメータまでの10種類のMITライセンスモデル。Phi-4-miniはRaspberry Pi 5上で動作します。Phi-4-mini-flash-reasoningはSambaYハイブリッドアーキテクチャ（Mamba + スライディングウィンドウアテンション + Gated Memory Units）を採用し、10倍のスループット向上を実現。Phi-4-reasoning-vision-15BはSigLIP-2ビジョンエンコーダを用いたマルチモーダル推論を処理します。

クラウドフロンティア（MAIファミリー）： Build 2026で発表された7つのモデル。推論（MAI-Thinking-1）、エージェンティックコーディング（MAI-Code-1-Flash）、画像生成（MAI-Image-2.5およびFlash）、音声認識（MAI-Transcribe-1.5）、テキスト読み上げ（MAI-Voice-2およびFlash）をカバー。すべて市販ライセンスデータでゼロから学習され、サードパーティモデルからの蒸留は一切行っていません。

シリコン（Maia 200）： 3nmプロセス、140Bトランジスタ、216GB HBM3e。現在MAI推論を本番環境で稼働中。MAI-Code-1-Flashは2026年8月までに完全にMaia 200に移行予定です。

基盤モデル（MAI-1-preview）： Microsoft初のエンドツーエンド学習基盤モデル。現在LMArenaでテスト中。公開情報は限られていますが、タスク特化型モデルだけでなくフロンティアモデルレベルでも競争するというMicrosoftの意思を示しています。

これは個別の点解決策の集まりではありません。各レイヤーが次のレイヤーに連なる、意図的に設計されたアーキテクチャスタックです。

Copilotのルーティングアーキテクチャの内部

この2週間で最も戦略的に重要な詳細は、モデルリリースではありません。Microsoft 365 Copilotがどのようにトラフィックをルーティングするかの開示です。Copilotは単一モデル製品ではありません。タスク分類レイヤーを使用して、各インタラクションをタスクタイプ、複雑性、品質要件によって分類し、その後でモデルを選択します。

MAI（ファーストパーティ、高ボリューム）にルーティングされるもの：

  • スレッドコンテキストからのメール返信ドラフト作成（Outlook）
  • スレッドおよび会議の要約
  • 自然言語からのスプレッドシート数式生成（Excel）
  • 件名行とヘッダーの生成
  • 固定フォーマット文書からの構造化データ抽出
  • 会議文字起こしからのタスクおよびアクション項目の抽出
  • VS CodeおよびGitHub Copilot CLIでのエージェンティックコーディング（MAI-Code-1-Flash）
  • PowerPointおよびOneDriveでの画像生成と編集（MAI-Image-2.5）

フロンティアサードパーティモデルにルーティングされるもの：

  • 長大な非構造化文書を横断した新しい分析
  • 複雑な依存関係を持つマルチステップ推論
  • スタイル的判断を必要とするクリエイティブ生成
  • エラーコストが高いセンシティブまたは曖昧なタスク

ルーティングは動的です。MAIモデルが向上するにつれて、ルーティング範囲は拡大します。Microsoftが自社モデルにより多くのトラフィックを移行するインセンティブは明白です — Maia 200上のMAIにルーティングされるクエリごとに、OpenAIやAnthropicに支払うトークンあたりのマージンが削減されます。

特筆すべきは、6月16日にローンチされたMicrosoftの自律エージェント製品「Copilot Cowork」が、MAIではなくAnthropic Claude（Opus 4.8およびSonnet 4.6）上で動作していることです。Microsoft自身のCowork 1ファインチューニングモデルは発表されましたが、まだエージェントを稼働させていません。これは誠実なシグナルです。MAIモデルはコモディティ推論には本番対応済みですが、Microsoftはフロンティアサードパーティモデルが依然として優位性を持つ領域を認識しています。

MAIの価格設定：ユニットエコノミクスの真実

MicrosoftはFoundryでMAIモデルの価格を公開しており、コストモデリングを行うすべてのチームにとって検討に値する数字です。

  • MAI-Transcribe-1： 音声1時間あたり$0.36（43言語対応、FLEURSでWER 4.86% — 競合他社の中で最低）
  • MAI-Voice-1： 100万文字あたり$22（音声アダプテーションと感情制御を備えた15以上の言語対応）
  • MAI-Image-2.5： テキスト入力トークン100万個あたり$5、画像入力トークン100万個あたり$8、画像出力トークン100万個あたり$47
  • MAI-Code-1-Flash： Claude Haikuより低価格に設定。SWE-Bench Proでは51.2%（Haikuの35.2%に対抗）、トークン使用量は60%削減

価格設定パターンは攻撃的です。MicrosoftはMAIをサードパーティの代替品と同等の価格に設定しているのではなく、特定のベンチマークでより良いパフォーマンスを主張しながら、それらより低価格に設定しています。高ボリュームのワークロード（文字起こし、画像生成、コード補完）では、コスト差は急速に拡大します。

ここで配信の話も重要です。MAIモデルはMicrosoft Foundry、MAI Playground（無料Webテスト環境）、そして特筆すべきはOpenRouter、Fireworks AI、Basetenでも利用可能です。Microsoftがファーストパーティモデルを非Azureの推論プラットフォームに出荷するのはこれが初めてです。他のクラウドプロバイダーにロックインされたエンタープライズチームは、AzureのコミットメントなしでMAIモデルにアクセスできるようになりました。

Florence-2：誇大広告を超えた安定性

Phi-4-reasoning-vision-15Bがマルチモーダルの後継として注目を集める一方で、Florence-2は純粋なコンピュータビジョンにおけるエンタープライズの主力として活躍を続けています。Florence-3のロードマップは存在しません。代わりにMicrosoftはエコシステムの成熟に投資しています。ローカルONNX実行のためのC#/.NET NuGetパッケージ、リアルタイムエッジビデオ分析のためのNVIDIA DeepStream統合、164言語OCRを備えたAzure AI Vision Image Analysis 4.0 SDKです。

Florence-2の統一プロンプトベースのアーキテクチャ — テキストプロンプトを介して12以上のビジョンタスクを一組の重みで処理 — は、今でもアーキテクチャ的に洗練されています。本番CVパイプラインを構築するチームにとって、選択は明確です。軽量で高スループットのビジョンタスクにはFlorence-2、言語生成と連鎖的推論（chain-of-thought）を必要とするマルチモーダル推論にはPhi-4-reasoning-vision-15Bです。

Phi-4の高密度戦略

Phi-4ファミリーは、エッジAIを評価するエンジニアリングリーダーが特に注目すべき点です。核となるテーゼは高密度 — 数学およびコードベンチマークで70Bクラスのモデルと競合する14Bモデル — です。

Phi-4-reasoning-plusはAIME 2025で82.5%を達成。DeepSeek-R1-Distill-Llama-70Bと競合しながら、サイズは5分の1です。Phi-4-mini（3.8B）は、200Kトークンの語彙と22以上の言語にわたるネイティブ関数呼び出しを備え、MMLUで多くの8Bクラスのモデルを上回ります。SimpleQAの注意点は重要です。Phi-4は事実想起でわずか3.0のスコアであり、検索拡張なしでは汎用知識アシスタントとして不適切です。

Phi-4-mini-flash-reasoningのアーキテクチャ上の革新が際立っています。SambaYアーキテクチャ — Mamba状態空間モデル、スライディングウィンドウアテンション、Gated Memory Unitsの組み合わせ — は、バニラTransformerからの真の逸脱を表しています。2〜3倍の低レイテンシでの10倍のスループット向上は、単なる漸進的最適化ではありません。エッジAIのデプロイメントエコノミクスを変えるアーキテクチャシフトです。

エンタープライズ戦略への示唆

今四半期にインフラストラクチャの意思決定を行うCTOのための3つのポイント：

1. ベンダーロックインの計算が変わった。 Microsoftの垂直統合 — シリコンからモデル、アプリケーションまで — は、従来はロックインの懸念材料でした。2026年においては、それはコスト削減戦略です。Maiaシリコン上のMAIモデルは、サードパーティのマージンを排除します。問題は、コスト削減がアーキテクチャ上のコミットメントに見合うかどうかです。

2. モデル評価はワークロード固有であるべき。 Copilot内部のMicrosoftのルーティングアーキテクチャがテンプレートです。すべてのタスクに対して一つのモデルに標準化しないでください。コモディティ推論（要約、構造化抽出、数式生成）はMAIのようなコスト効率の高いモデルにルーティングし、複雑な推論はフロンティアモデルにルーティングしてください。節約はモデルの選択ではなく、ルーティングにあります。

3. オープンウェイトのPhi-4ファミリーは最も安全なエッジの選択。 MITライセンス、10以上のバリアント、Raspberry PiからNVIDIA Jetsonまであらゆる環境で動作。ベンダーロックインなし、ライセンスリスクなし、5倍のサイズのモデルと競合。コスト、レイテンシ、データ主権のいずれの理由であれ、ローカル推論を展開するチームにとってPhi-4がデフォルトの選択肢です。

2026年のMicrosoftのAI戦略は、OpenAIやAnthropicに追いつくことではありません。Microsoftがすべてのレイヤーを制御する、完全で垂直統合されたスタックを構築することです。モデルは準備できています。シリコンは準備できています。エンタープライズバイヤーにとっての問いは、統合プレミアムが柔軟性のトレードオフに見合う価値があるかどうかです。

Xで最新情報をフォロー：https://x.com/kkaminski