两天两场发布。MAI-Code-1.1-Flash 于 8 月 11 日发布，相比上一代成本降低 75%，并新增图像输入支持。MAI-Image-2.6 于 8 月 10 日上线，在 Arena 文生图排行榜上位居第二，领先 Google、Meta 和 xAI。两者都是微软自研模型——内部训练、经 Copilot 路由、可在 Azure Foundry 和各级 GitHub Copilot 中使用。
信号很明确：MAI 系列正在快速迭代，足以在成本敏感型工作负载上取代第三方模型，同时持续提升质量。
MAI-Code-1.1-Flash：更快、更便宜、多模态
核心数字非常醒目。与 MAI-Code-1-Flash（2026 年 6 月在 Build 2026 上发布）相比，1.1 版本带来：
- 成本降低 75%：输入 $0.20/1M、缓存 $0.02/1M、输出 $1.20/1M——从 $0.75/$0.075/$4.50 下降
- Token 流式输出提速 25%，每个任务 Token 消耗减少 25%
- Terminal-Bench 2.1 提升 +22%（GitHub Copilot CLI）：51.7% → 62.9%
- .NET 任务提升 +15%，代码存活率 +4%，回访率 +9%
- SWE-Bench Verified 得分 72.6%，每个解决任务平均消耗 8.6K Token
- 图像输入——MAI-Code 系列首次支持，可实现截图转代码工作流
架构依然是稀疏 MoE，总参数量 138B / 激活约 5B，上下文 256K，最大输出 128K，基于 2M 个合成任务和 150K 个 RL 环境训练。它现在已成为所有 GitHub Copilot 级别的生产模型——从 Free 到 Enterprise（Business/Enterprise 需要管理员选择启用）。MAI-Code-1-Flash 将于 9 月 10 日弃用；GPT-4 Turbo 回退支持持续到 11 月。如果你直接通过 Azure Foundry 调用 MAI-Code，请立即更新端点。
MAI-Image-2.6：在 Arena 上追赶 OpenAI
MAI-Image-2.6 于 8 月 10 日发布，随即在文生图 Arena 排行榜上拿下第二——仅次于 OpenAI，领先所有其他竞争对手。相比 MAI-Image-2.5 的提升是全面的：总体 Elo +79，文字渲染 Elo 更是 +91，人像、3D 图像和写实商业输出均有更强表现。
现已可在 Arena 使用；MAI Playground、Foundry 及其他平台将在未来几周内陆续上线。微软在 2.x 系列保持了 API 兼容，因此从 MAI-Image-2.5（$47/1M）或 Flash（$19.50/1M）升级的路径非常直接。实际意义在于：微软内部数据显示，生产环境中 GPU 成本相比 GPT-Image-2 降低 84%。对于大规模图像生成，这是一笔不容忽视的开支。
MAI-Thinking-1：公开预览上线，独立基准测试仍待验证
旗舰推理模型（约 1T 总参数 / 约 35B 激活的稀疏 MoE，256K 上下文）于 8 月 12 日在 Azure Foundry 进入公开预览。微软公布的基准成绩依然亮眼：AIME 2025 达 97.0%，AIME 2026 达 94.5%，SWE-Bench Pro 达 52.8%，并通过 Surge 在 1,276 个任务上以盲测偏好胜出 Claude Sonnet 4.6。
但独立基准测试仍然稀缺。Foundry 上的公开预览意味着你可以通过 API 自行评估——在做出承诺之前，先跑一遍自己的基准测试。
Phi-4：边缘计算的故事走向成熟
Phi-4 系列现已覆盖 10 多个 MIT 许可的变体，参数量从 3.8B 到 15B。本周的关键进展：
Azure AI Studio 集成（7 月 25 日）将 Phi-4 带入云端，支持 128K 上下文和 Azure ML 微调——非常适合同一模型在端侧和云端运行的混合部署。
Phi-4-mini-flash-reasoning 采用 SambaY 架构（Mamba 状态空间 + 滑窗注意力 + 门控记忆单元），相比 Phi-4-mini-reasoning 带来 10 倍吞吐量和 2-3 倍延迟改善。如果你的边缘 AI 路线图还没有考虑非 Transformer 架构，这一点值得关注。
Phi-4-reasoning-vision-15B（2026 年 3 月）现已被推荐用于新的多模态推理工作负载——ScreenSpot v2 GUI 定位得分 88.2%，支持双推理模式，在需要推理的场景下可有效替代 Florence-2。
Florence-2：距离硬性截止日期仅剩 28 天
旧版 Azure Vision API（v1.0–3.1）将于 2026 年 9 月 13 日退役——距今天还有 28 天。各组织必须迁移到基于 Florence-2 的 Image Analysis 4.0 SDK。这是硬性截止，不是软性弃用。
目前没有发布 Florence-3 的消息。策略是：纯视觉任务继续使用 Florence-2，推理加视觉任务迁移到 Phi-4-reasoning-vision-15B。两者均为 MIT 许可；LoRA 微调在专用数据集上可实现 >98% 的精确度。
Aion 1.0：Phi Silica 的落幕
Aion 1.0 Instruct 已进入开发者预览（Edge Canary/Dev 150.0.4070+），将取代 Phi Silica 成为 Windows 的端侧模型。过渡时间线：
- 10 月 1 日： 发布独立的 Aion Instruct 测试包
- 10 月 23 日： Windows Insider 推送（Phi Silica 保留，通过 CFR 选择模型）
- 11 月 24 日： GA——Aion Instruct 成为生产版本，Phi Silica 从零售设备中移除
Aion 1.0 Plan（14B，32K 上下文）是更具雄心的发布——一个端侧智能体运行时，通过 Windows Agent Framework 支持工具调用和子智能体编排，需要 ≥40 TOPS NPU 或符合资格的独立 GPU。关键在于，与 Phi Silica 不同，Aion Instruct 不要求 LAF token——消除了一个真实的开发者痛点。Phi Silica 在 PowerToys v0.101（8 月 10 日）中获得了最后一次更新，但如果你今天还在基于它构建，现在就开始制定 Aion 迁移计划吧。
Copilot 路由的现实检验
CNBC 于 8 月 5 日报道，微软内部已将 GitHub Copilot 默认设置为 OpenAI GPT-5.6 Sol 供员工使用，同时提供 MAI 模型作为选项。这并不矛盾——这正是策略按设计运转的体现。Copilot 的任务分类层将常规任务路由到 MAI 模型以节约成本；复杂推理和创意生成则交给前沿模型。细微之处在于：自研模型赢得高吞吐、成本敏感型任务，前沿模型赢得复杂推理任务。你的架构应该同时支持两者——Copilot 的路由层已经自动做到了这一点。
行动清单
- 更新 MAI-Code 部署： 如果通过 Azure Foundry 调用 MAI-Code，请在 9 月 10 日 v1.0 弃用前迁移到 1.1-Flash。
- 评估 MAI-Image-2.6： 大规模图像生成——与当前供应商做基准对比。成本优势很有说服力。
- 自行运行 MAI-Thinking-1 基准测试： 公开预览已在 Foundry 上线。不要只依赖厂商公布的数字。
- Florence-2 迁移： 9 月 13 日截止。还剩 28 天。立即行动。
- Aion 迁移规划： 如果正在基于 Phi Silica 构建，10 月 1 日的测试包还有四周就要到来。提前准备好 LoRA 训练数据。
- 重新审视 Copilot 路由假设： 你的 Copilot 依赖计划应反映 MAI/第三方模型的划分，而不是默认一切由 OpenAI 承担。
微软的自研技术栈涵盖定制芯片（Maia 200）、云端模型（MAI）、开放权重边缘模型（Phi-4）、端侧模型（Aion）、视觉基础模型（Florence-2）和编排层（Copilot）。一周内两款重磅模型发布——这不再是研究项目，而是生产平台。
本文属于 Microsoft AI Weekly 系列。欢迎在 x.com/kkaminsk 关注后续分析。