2026 年 8 月は、Microsoft の自社開発 AI 戦略にとって分岐点となりました。MAI モデルファミリー — すべて Microsoft 自社の Maia 200 シリコン上で完全社内トレーニングされたモデル群 — が、現在本番の Copilot トラフィックをルーティングしています。Phi-4 は MIT ライセンスで 7 つのエッジシナリオをカバー。Florence-2 は Azure AI Vision 全体を支えながら、30 日後にレガシー API の重大な引退を控えています。そして Aion 1.0 は、Windows のオンデバイスモデルとして Phi Silica の後継となる準備を進めています。AI 依存関係グラフを設計中の方は、今週こそ「Copilot 搭載」の実態を再評価すべきタイミングです。

MAI ファミリー: Build での発表から本番トラフィックへ

Build 2026 で、Microsoft AI の CEO ムスタファ・スレイマンは MAI ファミリーを発表しました — 「Hill-Climbing Machine」パイプラインでゼロからトレーニングされた 7 つのモデルです。OpenAI、Anthropic、その他サードパーティの研究所からの蒸留は一切ありません。すべてのモデルが Maia 200 アクセラレータ上で動作します。3nm チップで 1,400 億トランジスタ、216GB の HBM3e を搭載しています。

3 か月後の現在、これはもはやロードマップ上の話ではありません。Bloomberg は 7 月、Excel と Outlook のプロンプトのうち数万件が、サードパーティ API の代わりに MAI モデルへルーティングされるようになったと報じました。Microsoft 365 Copilot はタスク分類のオーケストレーション層として機能し、メール作成、スレッド要約、スプレッドシートの数式、VS Code でのコーディング、画像生成、セキュリティスキャンがすべて MAI にルーティングされます。GPT-5.6 などのフロンティアのサードパーティモデルは、複雑な多段推論の「優先モデル」として残りますが、コモディティ層は今や MAI のものとなりました。

MAI-Code-1.1-Flash: 75% 安く、ビジョン対応

MAI-Code-1.1-Flash は 8 月 11 日に GA となり、前世代比 75% のコスト削減を実現 — 入力 $0.20/100万トークン、キャッシュ $0.02/100万トークン、出力 $1.20/100万トークン。トークンストリーミングは 25% 高速化され、タスクあたりのトークン消費は 25% 削減、さらにスクリーンショットからコードへのワークフロー向けにネイティブのビジョン入力を追加しました。ベンチマーク: SWE-Bench Verified 72.6%、Terminal-Bench 2.1 62.9%（22% 向上）、.NET タスクで 15% の改善。すべての GitHub Copilot プランで利用可能です。MAI-Code-1-Flash は 9 月 10 日に非推奨となります — 今すぐ移行してください。

MAI-Thinking-1: フラッグシップ推論モデルがパブリックプレビューに

MAI-Thinking-1 は 8 月 12 日に Foundry でパブリックプレビューを開始しました。総パラメータ約 962B / アクティブパラメータ約 34.7B、256K コンテキストを備えた、Microsoft のフロンティア推論モデルです。自己報告値: AIME 2025 97.0%、AIME 2026 94.5%、SWE-Bench Pro 約 52.8% — Claude Opus 4.6 に匹敵します。価格は未定です。

MAI-Image-2.6 と MAI-Cyber-1-Flash

MAI-Image-2.6 は 8 月 10 日にプライベートプレビューを開始し、即座に Arena のテキストから画像生成で #2（Elo 1,336）、3D 画像生成で #1 を獲得 — そのカテゴリでは GPT Image 2 を上回りました。注目すべき伸び: テキストレンダリングで +91 Elo、2.5 版比で総合 +79 Elo。

MAI-Cyber-1-Flash は Project Perception の一環として 8 月 3 日にパブリックプレビューを開始しました。GPT-5.4 の半分の計算コストで脆弱性スキャンの 90% を処理し、CyberGym スコアは 88.4% から 95.95% に上昇しました。

Phi-4: エッジポートフォリオがさらに深化

Phi-4 ファミリーは、業界で最も包括的な小規模言語モデルポートフォリオであり続けています — 3.8B〜15B パラメータにわたる 7 つの MIT ライセンスバリアント。この幅に匹敵するベンダーは他にありません。

Phi-4（14B）は MMLU 84.8% で Llama 3.3 70B に匹敵しながら、VRAM 使用量は 4〜5 分の 1 です。Phi-4-mini（3.8B）は 8GB RAM と Raspberry Pi 5 で動作し、Windows 12 Copilot+ PC に搭載され、Intel Xeon 6 では CPU のみのモードで毎秒 1,955 トークンを達成。Phi-4-reasoning-vision-15B は SigLIP-2 ビジョンエンコーダと Phi-4-Reasoning バックボーンを組み合わせ、推論モードの切り替えと画面グラウンディングをサポート — 15B パラメータで最良のオンプレミス視覚推論の候補となっています。

Azure 価格: 入力 $0.07/100万トークン、出力 $0.14/100万トークン、ブレンド $0.088/100万トークン。Phi-4 のビジョン版とオーディオ版は 10 月までに登場予定です。

CTO にとっての戦略的価値は、ライセンス上の摩擦ゼロで、オフライン・オンプレミス・データ主権を重視した AI デプロイが可能になることです。

Florence-2: レガシー API に 30 日の期限

Florence-2 は引き続き Microsoft のビジョン基盤モデルであり、Azure AI Vision Image Analysis 4.0 を支えています。Florence-3 の計画はなく、Microsoft はリリースの速度より安定性を優先しています。このモデルは単一のウェイトセットで 12 以上のビジョンタスクを処理します: 検出、セグメンテーション、キャプショニング、グラウンディング、164 言語の OCR、詳細領域キャプショニングなど。

重要: レガシーの Azure Vision API（v1.0〜3.1）は 2026 年 9 月 13 日に引退します — あと 30 日です。それまでに Florence-2 ベースの Image Analysis 4.0 SDK へ移行してください。Florence-2-large（770M）は外部 OCR なしで TextVQA 81.5% を達成し、LoRA ファインチューニングでは専門データセットで 98% 超の精度を示しています。ネイティブの C#/.NET NuGet パッケージがローカル ONNX 実行をサポートしています。

これはソフトな非推奨ではありません。ハードな引退です。

Aion 1.0: オンデバイスへの移行

Aion 1.0 は Microsoft の「無制限インテリジェンス」戦略です — クラウド依存ゼロ、推論あたりの限界費用ゼロ。Aion 1.0 Instruct（軽量 SLM）は専用 GPU なしで CPU/GPU/NPU 上で動作し、現在 Edge Canary で開発者プレビューを開始、10 月 1 日にスタンドアロンテスト、11 月 24 日に GA を予定しています。特筆すべきは、開発者を悩ませてきた Phi Silica の Limited Access Feature トークン要件を廃止したことです。Aion 1.0 Plan（14B、32K コンテキスト）はオンデバイスのエージェント型ワークフロー — 推論、ツール呼び出し、サブエージェントのオーケストレーション — を処理し、Windows Agent Framework 経由で Copilot+ PC に標準搭載されます。

Phi Silica は段階的に廃止されます。5 月の AMD 最適化で応答速度が 30% 向上しましたが、このモデルは 11 月 24 日に市販デバイスから削除されます。Microsoft は、LanguageModel API と ImageDescription API において API 互換性が維持されると述べています。

研究リリース: Orchard と EvoLib

Microsoft Research は今月、2 つの MIT ライセンスのフレームワークをリリースしました。Orchard（8 月 3 日）は AI エージェントをトレーニングするための Kubernetes ネイティブフレームワークで、ドメインレシピはアクティブパラメータ約 3B で SWE-bench Verified 69.7%、GUI エージェントでは WebVoyager 74.1% を達成。EvoLib（7 月 30 日）はモデルウェイトを変更せずにテスト時学習で数学・コード・エージェントタスクに 11〜20% の改善をもたらします。両者ともブラックボックス LLM を前提に動作します。

フルスタック

Microsoft は現在、Google と Apple に並ぶ、完全な AI ポートフォリオを持つ 3 社のうちの 1 社です: カスタムシリコン（Maia 200）、クラウドフロンティアモデル（MAI）、オープンウェイトのエッジ SLM（Phi-4）、オンデバイスモデル（Aion 1.0）、ビジョン基盤モデル（Florence-2）、オーケストレーション（Copilot ルーティング）、そしてエージェントフレームワーク。このスタックはサードパーティ依存なしでエンドツーエンドに評価できます — ただし、ほとんどの企業にとってはハイブリッドルーティングが依然として現実的な選択肢です。

アクションアイテム

  1. 9 月 10 日までに MAI-Code-1-Flash を 1.1-Flash へ移行 — 75% のコスト削減に加え、ビジョン入力も獲得
  2. 9 月 13 日までにレガシー Azure Vision API を Image Analysis 4.0 へ移行 — ハードな引退
  3. Copilot の依存関係の前提を見直す — MAI モデルがコモディティタスクの大半を処理するようになり、コストとデータレジデンシー計画に影響
  4. オンデバイスシナリオ向けに Aion 1.0 を評価 — テストパッケージは 10 月 1 日提供開始、Phi Silica 移行期限は 11 月 24 日
  5. オフライン/エッジデプロイ向けに Phi-4-mini をテスト — 現在の 8GB RAM 法人ハードウェアで実用可能

ケビン・カミンスキーは、AI 導入戦略に特化した Microsoft パートナーである Big Hat Group Inc. の創業者です。Microsoft の AI モデルエコシステムに関する継続的な分析は https://x.com/kkaminsk でフォローいただけます。