マイクロソフトのファーストパーティ AI モデル戦略は、各成果が単に出荷されるだけでなく、本番環境でサードパーティモデルを置き換える段階に達した。今週の転換点：MAI-Code-1-Flash が GitHub Copilot 全体の既定コーディングモデルとなり、GPT-4 Turbo を置き換えた。フォールバック期間は 3 か月で、2026 年 11 月に終了する。

エンジニアリングリーダーにとって、問いは「マイクロソフトは自社モデルを構築できるのか」から、「ワークロードをどの程度の勢いでファーストパーティの MAI に移すべきか、それとも GPT-5.6 と Claude を使い続けるべきか」へと変わった。今号では、Copilot のルーティング切り替え、Aion 1.0 のオンデバイス日程、6 日後に迫る Azure Vision API の廃止、そしてオープンウェイトのマルチモーダル推論に静かに新たな基準を打ち立てつつある Phi-4-reasoning-vision を取り上げる。

MAI-Code-1-Flash：Copilot の既定がファーストパーティに

MAI-Code-1-Flash は 6 月 26 日に全 Copilot ティア（Free から Max まで）で GA となり、2026 年 8 月に既定のコーディングモデルとなった。アーキテクチャはスパース混合専門家（MoE）設計——総パラメータ 1,370 億のうちアクティブは 50 億、コンテキストウィンドウ 256K——で、VS Code と GitHub Copilot CLI のハーネス向けに最適化されている。

SWE-Bench Pro は 51.2% で、最大 60% 少ないトークン使用量で Claude Haiku 4.5（35.2%）に 16 ポイント差をつけている。価格は入力 $0.75/100 万トークン、出力 $4.50/100 万トークン——サードパーティの同等品を大幅に下回る。このモデルは GitHub Copilot の本番ハーネスとライセンス取得済みコードリポジトリで直接トレーニングされており、エージェント型コーディングの強さはここに由来する。

本番で Copilot を運用しているチームにとって移行計画は重要だ：GPT-4 Turbo は 2026 年 11 月までフォールバックとして利用可能で、その後 MAI-Code-1-Flash はマイクロソフトの Maia 200 アクセラレータ上でのみ実行される。プロンプトエンジニアリングや評価パイプラインを GPT-4 Turbo の挙動に固定しているなら、今こそ MAI-Code-1-Flash に対するテストを行う時だ。

Copilot のルーティング：MAI に流れるタスクとサードパーティのままのタスク

Bloomberg は、Microsoft 365 Copilot が Excel と Outlook のプロンプトを MAI モデルにルーティングするようになったことを確認した。現在のルーティングの内訳：

定型タスク——Outlook のメール返信下書き、会議要約、Excel の数式生成、VS Code でのコーディング（MAI-Code-1-Flash）、PowerPoint・OneDrive での画像生成（MAI-Image-2.5）、Teams の文字起こし（MAI-Transcribe-1.5）——はファーストパーティの MAI にルーティングされる。長い非構造化ドキュメントの新規分析、複雑な多段推論、文体判断を要するクリエイティブ生成は、引き続き GPT-5.6 と Claude にルーティングされる。GPT-5.6 は Microsoft 365 Copilot の推奨モデルであり続けているが、経済性が許す範囲ではルーティングはますますファーストパーティ寄りになっている。

方向性は明確だ：2026 年末までに、大部分の定型 Copilot タスクが MAI モデルで実行される見込みだ。Microsoft 365 Copilot 導入の API コストを予算化するなら、ファーストパーティへのルーティングが拡大する前提でモデル化しよう。

Aion 1.0：オンデバイス Windows AI に現実的なスケジュール

Build 2026 で発表された Aion 1.0 は、マイクロソフトの「従量制のないインテリジェンス」構想だ——クラウド依存ゼロ、限界推論コストゼロ。Windows のオンデバイスモデルとして Phi Silica を置き換え、2 つのバリアントで提供される。

Aion 1.0 Instruct は、要約・リライト・意図分類・アクセシビリティを CPU・GPU・NPU のいずれでも処理する——専用ハードウェアは不要だ。開発者プレビューは Edge Canary / Dev ビルドで公開中（edge://flags の “Enable prerelease on-device language model”）。

Aion 1.0 Plan はより重いバリアント：パラメータ 140 億、コンテキスト 32K。ツール呼び出し、ファイル管理、サブエージェントオーケストレーションを含むオンデバイスのエージェント型推論向けに設計されている。Build 2026 でオープンソース化された Windows Agent Framework を通じて、対応する Windows デバイスにプリインストールされる。ハードウェア要件：40+ TOPS NPU 搭載の Copilot+ PC（Snapdragon X Elite、Intel Lunar Lake）、または NVIDIA RTX 30+ / AMD Radeon RX 9060+ GPU。

スケジュール：10 月 1 日にスタンドアロンテストパッケージ、10 月 23 日に Windows Insiders 向けロールアウト、2026 年 11 月 24 日に GA——Phi Silica は同日に小売デバイスから削除される。既存の Phi Silica LoRA アダプタは Aion に移行できない——今すぐ再トレーニングを計画しよう。

Azure Vision API：6 日後にハード廃止

今週もっとも切迫している事項：レガシー Azure Vision API（バージョン 1.0〜3.1）は 2026 年 9 月 13 日に廃止される——ソフトな非推奨ではなく、ハードな廃止だ。これらのエンドポイントを呼び出し続けるアプリケーションはすべて 410 Gone 応答を受け取る。

移行先は Florence-2 ベースの Image Analysis 4.0 SDK だ。Florence-2 は今もマイクロソフトのビジョン基盤モデルであり、単一の重みセットで物体検出、セグメンテーション、キャプショニング、164 言語の OCR、視覚的グラウンディングなど 12 以上のビジョンタスクを処理する統一 seq2seq アーキテクチャだ。large バリアント（7.7 億パラメータ）は本番グレード、base バリアント（2.3 億パラメータ）は標準 CPU で動作する。

採用状況がその安定性を裏付けている：2026 年 7 月時点で Hugging Face 上、base モデルは月間約 266 万ダウンロード、large モデルは約 81.3 万ダウンロード。Florence-3 の発表はない。9 月 13 日以降、Azure で新しいビジョンパイプラインを構築する唯一のサポート対象パスは、Image Analysis 4.0 経由の Florence-2 だ。

Phi-4-Reasoning-Vision-15B：オープンウェイト・マルチモーダルのブレークスルー

Phi-4-reasoning-vision-15B は 2026 年 3 月 4 日に MIT ライセンスでリリースされ、今年もっとも重要な Phi リリースとなった。Phi-4-reasoning の言語バックボーンと SigLIP-2 ビジョンエンコーダをミッドフュージョンで組み合わせ、総パラメータ約 150 億、入力ウィンドウ 16,384 トークンだ。

特筆すべき機能：動的推論活性化。このモデルは、チェーン・オブ・ソート推論が必要なタスクの場合にのみ思考ブロックを出力し、OCR・キャプショニング・グラウンディングのような知覚タスクでは直接回答を返す。開発者は think タグと nothink タグで挙動を強制できる。その仕組み：思考サンプル 20%・非思考サンプル 80% の混合モードデータセットだ。

15B のオープンウェイトモデルとしては印象的なベンチマークだ：ScreenSpot v2 は 88.2%（従来の Phi-4-multimodal-instruct は 28.5%）、MathVista 75.2、AI2D 84.8、ChartQA 83.3。トレーニングは 240 台の NVIDIA B200 GPU と約 2,000 億の厳選マルチモーダルトークンでわずか 4 日間だった。

オンプレミスのマルチモーダル推論を検討する CTO にとって、このモデルはスイートスポットにある：視覚推論ベンチマークでは 10 倍大きいモデルを上回りながら、ハードウェアは単一チームで調達できる規模だ。Florence-2 を置き換えるのではなく補完する——Florence-2 が高スループットのビジョン基盤レイヤーであり、Phi-4-reasoning-vision はその上の推論レイヤーだ。

Phi-Ground-Any-4B：コンピューター操作用の GUI グラウンディング

Phi-Ground-Any-4B は 2026 年 5 月にマイクロソフトリサーチアジアがリリースした 40 億パラメータの GUI グラウンディングモデルで、Phi-3.5-vision-instruct からファインチューニングされた。スクリーンショットからクリック座標を直接出力してコンピューター操作用エージェントパイプラインを支え、100 億パラメータ未満クラスでファミリー最高の成績を記録：ScreenSpot-Pro 約 55.0、UI-Vision 36.2。

この技術はすでに Windows Copilot の「Vision Highlighting」機能に統合されている。重みは MIT ライセンスで Hugging Face（microsoft/Phi-Ground-Any）に公開され、推論には約 8GB 以上の VRAM が必要だ。コンピューター操作用エージェントを構築するチームにとって、これはベンチマークすべきオープンウェイトのモデルだ。

VibeVoice：0.5B で 300ms 未満のリアルタイム TTS

VibeVoice-Realtime-0.5B（MIT ライセンス）は、ストリーミング音声合成の最初の可聴トークンまでのレイテンシが 300ms 未満だ。アーキテクチャは Qwen2.5-0.5B バックボーンと sigma-VAE 音響トークナイザ、拡散デコーディングヘッドの組み合わせで、英語に加え 9 言語をサポートし、はるかに小規模でありながら VALL-E 2 や Voicebox に匹敵する。注意：Qwen2.5 バックボーンを使っているため、これはハイブリッド由来のモデルであり、純粋なスクラッチトレーニングではない——ただし TTS パイプラインとトレーニングはマイクロソフトのものだ。

来週の注目ポイント

  • 9 月 13 日： レガシー Azure Vision API が廃止——移行状況を今すぐ確認しよう。
  • 10 月 1 日： Aion 1.0 Instruct のスタンドアロンテストパッケージ。
  • 10 月 23 日： Aion 1.0 Instruct が Windows Insiders に到達。
  • 11 月 24 日： Aion 1.0 GA、Phi Silica は小売 Windows から撤退。
  • 2026 年 11 月： GPT-4 Turbo フォールバック終了——MAI-Code-1-Flash が唯一の既定モデルに。

パターンは一貫している：マイクロソフトはクラウド・エッジ・オンデバイスの各層で、サードパーティモデルへの依存をファーストパーティの代替に系統的に置き換えている。モデルは必ずしもフロンティアをリードしているわけではない——独立したテストでは MAI-Thinking-1 は DeepSeek V3.2 クラスと評価されている——しかし、経済性と統合の深さは構造的な優位になりつつある。エンジニアリングチームにとって現実的な姿勢は、定型的なワークロードについては今すぐ MAI モデルの評価を始め、品質差がプレミアムを正当化するタスクについてはサードパーティのフロンティアモデルを残すことだ。

リアルタイムの分析は https://x.com/kkaminsk でフォローしてほしい。これらのモデルのリリース動向を追跡している。