Build 2025가 Microsoft가 자체 AI 모델을 구축하려는 의도를 신호한 것이라면, Build 2026은 그것을 실제로 전달한 해였습니다.
6월 2일, Microsoft는 7개의 자체 MAI(Microsoft AI) 모델을 공개했습니다 — 역대 최대 규모의 자체 AI 릴리스입니다. Mustafa Suleyman의 팀이 OpenAI나 어떤 제3자로부터도 증류 없이 제로부터 개발했으며, 이는 Microsoft가 재판매자가 아닌 모델 빌더로서의 입지를 확립하는 것입니다.
CTO와 엔지니어링 리더에게 신호는 명확합니다. Microsoft의 자체 모델 생태계가 임계 질량에 도달했습니다. 무엇이 출시되었는지, 무엇을 의미하는지, 어디로 향하는지를 살펴봅니다.
MAI 패밀리: 7개 모델, 하나의 전략
Build 2026 기조연설은 “Hill-Climbing Machine” 훈련 파이프라인에 구축된 Microsoft의 새로운 독자적 AI 모델 선인 MAI 모델 패밀리를 중심으로 진행되었습니다.
MAI-Thinking-1: 진정한 프런티어 경쟁자
가장 두드러진 것은 희소 Mixture-of-Experts 모델로 활성 파라미터 약 350억 개(전체 약 1조 개 중), 256K 토큰 컨텍스트 창을 가진 MAI-Thinking-1입니다.
벤치마크는 이를 프런티어급 영역에 놓습니다:
- AIME 2025: 97.0%
- AIME 2026: 94.5%
- SWE-Bench Pro: 53% — 코딩에서 Claude Opus 4.6과 일치
- 블라인드 인간 평가자(Surge 경유)는 나란히 비교 평가에서 Sonnet 4.6보다 이를 선호했습니다
Microsoft는 이를 “해당 등급에서 가장 비용 효율적인 프런티어급 모델"로 포지셔닝합니다. 결정적으로, 회사는 상업적으로 라이선스된 데이터에만 제로부터 훈련했습니다 — OpenAI나 다른 외부 모델로부터의 증류가 없습니다. 다른 프런티어 모델의 IP 오염 위험을 우려해 온 엔터프라이즈 구매자에게 이는 중요합니다.
MAI-Code-1-Flash: 개발자 워크플로에 목적 구축
50억 파라미터로 MAI-Code-1-Flash는 자체 등급을 훨씬 뛰어넘는 성능을 냅니다. SWE-Bench Pro에서 51.2%를 기록하며 핵심 코딩 벤치마크 4개 모두에서 Claude Haiku 4.5를 16점 차이(51.2% vs 35.2%)로 능가하면서 최대 60% 적은 토큰을 사용합니다.
GitHub Copilot 프로덕션 환경과 라이선스된 코드 저장소에서 직접 훈련된 이 모델은 이미 모든 Copilot 등급 — Free, Student, Pro, Pro+, Max — 에 걸쳐 롤아웃 중입니다. VS Code 모델 피커에서 직접 선택할 수 있습니다. 대규모로 Copilot을 운영하는 팀에게 토큰 효율성만으로도 의미 있는 비용 절감으로 이어집니다.
지원 MAI 모델: 이미지, 전사, 음성
MAI-Image-2.5는 이전 모델 대비 75 Elo 포인트 상승했으며, 현재 Arena 리더보드의 이미지 편집에서 2위입니다. PowerPoint에 라이브로 제공되며 OneDrive로 롤아웃 중입니다. MAI-Transcribe-1.5는 2.4% 단어 오류율로 43개 언어를 처리합니다 — 276배 실시간 배치 속도로 1시간 오디오를 15초 미만에 전사합니다. MAI-Voice-2는 5–60초의 참조 오디오로 제로샷 음성 복제를 15개 언어로 지원하며, 이전 모델 대비 72% 블라인드 선호도를 보입니다.
전략적 참고: Microsoft는 처음으로 이 모델들을 비 Azure 추론 플랫폼 — OpenRouter, Fireworks AI, Baseten — 에 출시합니다. 이는 의도적인 배포 전략입니다. Microsoft는 자체 walled garden 내부뿐만 아니라 어디서든 자신의 모델이 사용되기를 원합니다.
Phi-4 패밀리: 밀도, 다양성, 새로운 아키텍처
Phi-4 패밀리는 Microsoft의 가장 다작 오픈 웨이트 모델 라인으로 계속되며, 이번 달에는 두 가지 중요한 추가가 있었습니다.
Phi-4-mini-flash-reasoning: SambaY 아키텍처
단 38억 파라미터로 Phi-4-mini-flash-reasoning은 Mamba(상태 공간 모델), 슬라이딩 윈도우 어텐션, 전체 어텐션 레이어를 Gated Memory Units와 인터리빙하여 결합한 하이브리드 디코더 아키텍처인 SambaY를 도입합니다.
이는 바닐라 Transformer에서의 진정한 아키텍처적 출발이며, 결과가 이를 증명합니다:
| 벤치마크 | Phi-4-mini-reasoning (3.8B) | DeepSeek-R1-Distill-Llama-8B | Llama-3.2-3B |
|---|---|---|---|
| AIME | 57.5 | 43.3 | 6.7 |
| MATH-500 | 94.6 | 86.9 | 44.4 |
| GPQA Diamond | 52.0 | 47.3 | 25.3 |
3.8B 모델이 8B 증류 모델을 수학 경진에서 능가하는 것은 주목할 만합니다. SambaY 아키텍처는 표준 Phi-4-mini-reasoning 대비 최대 10배 높은 처리량과 2–3배 지연 감소를 제공합니다. MIT 라이선스 하에 제공되어 GPU 예산이 제한된 온프레미스 또는 엣지 배포에 즉시 사용 가능합니다.
Phi-4-Reasoning-Vision-15B
3월에 릴리스된 이 15B 멀티모달 모델은 SigLIP-2 비전 인코더를 Phi-4-Reasoning 백본과 결합하여, 비전 벤치마크에서 자신보다 약 10배 큰 모델과 경쟁적으로 점수를 냅니다: AI2D 84.8%, ChartQA 83.3%. ihad와 <nothink> 모드는 개발자에게 추론 깊이와 지연 사이의 유연성을 제공합니다.
Phi-4-Medium 및 Orca-3
Build 2026에서 두 개의 독자적 중간 등급 모델이 런칭했습니다. Phi-4-Medium은 128K 컨텍스트 창으로 프로덕션 애플리케이션을 겨냥하며, HumanEval에서 82%를 달성하고 OpenAI의 표준 요금을 ~40% 밑도는 가격으로 제공합니다. Orca-3은 템플릿 기반 작업 — JSON 검증, 이메일 초안, 로그 파싱 — 을 처리합니다.
Aion 1.0: 플랫폼 전략으로서의 온디바이스 AI
Microsoft는 Build 2026에서 인박스 SLM인 Phi Silica를 대체하는 Windows용 온디바이스 AI 모델 패밀리인 Aion 1.0도 발표했습니다.
Aion 1.0 Instruct는 Edge Canary/Dev에서 개발자 미리 보기로 제공되며, CPU, GPU 또는 NPU에서 실행되고(전용 GPU 불필요), 요약, 재작성, 인텐트 감지, 접근성을 처리합니다. 2026년 7월 Hugging Face에 오픈 웨이트가 계획되어 있습니다.
Aion 1.0 Plan(14B, 32K 컨텍스트)은 온디바이스 에이전트 워크플로 — 추론, 도구 호출, 파일 관리, 서브 에이전트 오케스트레이션 — 를 겨냥합니다. 향후 몇 달 내에 지원되는 하드웨어에서 Windows와 함께 인박스로 제공됩니다.
이것이 Build에서 오픈소스된 Windows Agent Framework를 뒷받침하는 모델 레이어이며, 로컬 Win32/WinUI 3 추론을 위한 Copilot Runtime API와 짝을 이룹니다. Nadella의 “unmetered intelligence” 프레이밍 — 온디바이스 Aion, 중간 무게 RTX Spark, 클라우드의 프런티어 추론 — 은 Microsoft의 엣지-투-클라우드 AI 아키텍처를 명확히 설명합니다.
Project Polaris: Copilot의 자체 모델 미래
언어별 전문화된 서브 모듈을 가진 MoE 코딩 모델인 Project Polaris가 2026년 8월부터 GitHub Copilot의 기본 모델로 GPT-4 Turbo를 대체합니다. Microsoft의 자체 Maia AI 가속기에서 실행되어 Nvidia 하드웨어 대비 추론 지연을 줄입니다. 3개월의 대체 기간을 통해 팀이 필요한 경우 GPT-4에 머물 수 있습니다. 엔터프라이즈 고객에게 Maia 실리콘 + 자체 모델은 Microsoft가 훈련부터 추론까지 전체 스택을 통제함을 의미합니다.
이 모든 것의 의미
몇 가지 전략적 실마리가 수렴합니다:
OpenAI로부터의 독립은 실재합니다. MAI-Thinking-1은 OpenAI 데이터 없이 프런티어 능력을 증명합니다. 다중 플랫폼 배포 전략은 그들이 헤징이 아닌 경쟁하고 있음을 확인합니다.
원시 규모보다 밀도. 70B급 대안과 경쟁하는 14B 모델, 8B 증류 경쟁자를 능가하는 3.8B 모델 — Microsoft는 효율성을 차별화 요소로 베팅하고 있습니다.
아키텍처 혁신 계속. Phi-4-mini-flash-reasoning의 SambaY는 정당한 곳에서 바닐라 Transformer를 넘어서겠다는 Microsoft의 의지를 보여줍니다.
풀스택 통제 가속화. Maia 실리콘 + Aion + Windows Agent Framework + Foundry + 타사 플랫폼 = 칩부터 애플리케이션까지 자체 AI 스택을 구축하는 Microsoft.
엔지니어링 리더에게 평가 기준이 이동하고 있습니다. 질문은 더 이상 “Microsoft의 AI 모델을 사용해야 하는가?“가 아니라 “Microsoft의 자체 모델 중 어느 것을, 내 스택의 어디에?“입니다.
답은 점점 더 전부 — 엣지의 Aion에서 클라우드의 MAI-Thinking-1까지, 그 사이 모든 슬롯을 채우는 Phi-4 — 가 되고 있습니다.