在此期间，Microsoft 的 AI 战略进一步转向专业化的第一方模型——并非因为发布了某个应用，而是因为该公司披露了整个模型栈的进展。MAI-Base-2 已完成预训练，MAI-Cyber 扩大了其生产工作负载，MAI-Code-Flash 触达数百万 GitHub Copilot 用户，而 Decision-1 则公布了早期客户采用情况。
以下是 CTO 和工程负责人需要了解的内容：Microsoft 的低成本模型架构、其生产证据，以及由 BioEmu2、ForkPilot 和 Probabilistic Bias Correction 代表的研究管线。这一模式从基础模型延伸至专业化模型，再到应用工作负载。
MAI-Base-2 成为核心引擎
Microsoft 表示，MAI-Base-2 已完成预训练，其训练计算效率比其内部测试的其他开放权重模型高出 4–12 倍。Microsoft 计划让该开放权重基础模型支撑即将推出的、用于推理、编码和网络安全的 MAI 模型。
这一比较由厂商报告，且基于 Microsoft 的内部测试。它应当为评估优先级提供参考，而不能替代独立的工作负载测试。
- 模型角色：
MAI-Base-2被定位为可复用的基础，而非单一用途的应用模型。 - 报告的效率： Microsoft 声称，在其内部测试中，该模型的训练计算优势比其他开放权重模型高 4–12 倍。
- 计划中的产品组合： Microsoft 将推理、编码和网络安全确定为基于该基础构建的后续模型目标领域。
- 架构信号： 共同的基础模型可让 Microsoft 将改进分发至多项专业化产品，而无需独立训练每个模型。
这并不只是又一个模型检查点，而是试图在多个 Microsoft AI 工作负载之下建立第一方核心引擎。
对于 CTO 而言，眼前的任务是区分模型所有权和模型可用性。预训练虽已完成，但在 Microsoft 公布这些即将推出的推理、编码和网络安全模型的发布状态、部署条款及特定工作负载证据之前，它们不应纳入生产计划。
生产模型将效率转化为运营杠杆
Microsoft 的财报更新为其专业化模型组合提供了两项生产指标。据 Microsoft 称，MAI-Cyber 目前为 Microsoft 的智能体式 MDASH 代码扫描器中超过 40% 的扫描提供支持，同时将每次扫描成本降低 18%。
这是更有力的运营信号。Microsoft 正将专业化模型同时与工作负载份额和单位经济效益关联起来。
与此同时，根据同一份财报更新，MAI-Code-Flash 在上个月触达了 300 万 GitHub Copilot 用户。这一数字展示了通过现有开发者平台进行的分发，但它本身并不能证明对单个工程组织而言的输出质量或节省效果。
- 网络安全工作负载：
MAI-Cyber处理超过 40% 的 MDASH 扫描。 - 单位成本： Microsoft 报告称，每次扫描成本降低了 18%。
- 开发者覆盖范围：
MAI-Code-Flash在上个月服务了 300 万 GitHub Copilot 用户。 - 采用路径： 两个模型均通过 Microsoft 控制的应用触达用户，而不需要独立的企业部署。
换个角度看：战略优势不仅在于成本更低的模型，还在于能够将现有产品流量路由至该模型，并在应用规模上获得节省。
对于工程团队而言，这些数字足以证明有必要更仔细地审查所采购 Microsoft 服务中的模型路由。团队应询问每项工作负载由哪个模型处理、模型变更是否会改变输出质量，以及厂商侧的效率是否体现在你们的价格、容量或延迟范围内。
Decision-1 面向结构化企业工作
Microsoft 推出了用于结构化决策的 Decision-1，并报告称，在其首月已有超过 4,000 家客户使用该模型。该公司还表示，该模型在延迟和质量方面优于其测试过的 LLM 和决策模型。
采用数字是具体的，但性能说明仍然属于厂商报告，因为 Microsoft 未在所引用的财报更新中提供比较分数。采购团队不应将方向性的声明转化为假定的基准领先地位。
- 初始使用情况： Microsoft 报告称，首月客户数量超过 4,000 家。
- 工作负载重点：
Decision-1面向结构化决策，而非通用语言生成。 - 性能声明： Microsoft 表示，它在延迟和质量方面超过了测试中的 LLM 和决策模型。
- 评估要求： 企业仍需针对自身的约束条件和决策政策进行特定场景测试。
Microsoft 还表示，MAI-Transcribe 持续为 Dragon Copilot 的多语言工作流提供支持，将该模型定位为高准确率、低成本的转录选项。该定位未附带比较准确率或成本数据，因此生产集成比定性声明更具决策相关性。
对于 CTO 而言，Decision-1 和 MAI-Transcribe 支持一种组合策略：在任务和评估标准可被定义时使用更窄领域的模型。在专业化模型影响重要决策之前，架构审查应要求明确的回退行为、人工审批节点和可衡量的验收阈值。
研究扩展模型栈
Microsoft Research 的 AI for Science 团队已将 BioEmu2 置于公开预览阶段。Microsoft Research 表示，该生物分子基础模型旨在帮助研究人员研究蛋白质结构、动态和功能。
公开预览使 BioEmu2 可供探索，而不是使其自动成为生产依赖项。科学团队应将预览状态视为支持和运营规划的边界。
Microsoft Research Focus Edition 97 还重点介绍了 ForkPilot，这是一个用于自我改进智能体的框架。根据 Microsoft Research 的说法，该框架允许智能体识别何时重新审视先前决策可以改善结果，随后调整其策略。
这改变了控制问题。能够重新审视先前选择的智能体，需要覆盖决策历史的评估，而不仅仅是评估其最终答案。
同一期 Microsoft Research 内容还介绍了 Probabilistic Bias Correction，这是一种机器学习方法：它从天气模型的错误中学习，并应用修正以改善延展期预报。它代表了一种不同于替换既有模型的模式：机器学习作为现有预测系统周围的修正层运行。
对于工程团队而言，这些项目指向三种不同的架构模式——领域基础模型、可修订的智能体和学习型修正层。应在评估计划中将这些模式分开，因为它们各自对验证、可追溯性和人工监督提出不同要求。
CTO 和工程负责人的战略要点
跟踪基础层。 将
MAI-Base-2视为产品组合信号，并在其即将推出的专业化后续模型到来之前准备评估标准。衡量应用经济效益。 将
MAI-Cyber报告的每次扫描成本降低 18%视为一个契机，要求每项 AI 服务都提供工作负载层面的成本和质量证据。针对真实任务测试专业化能力。 根据已定义的企业工作流评估
Decision-1、MAI-Code-Flash和转录模型，而不是依据宽泛的模型声誉。扩展智能体治理。 在评估诸如
ForkPilot这类能够重新审视和修订早期行动的系统时，加入决策历史审查。
Microsoft 正在构建一个从基础模型训练，经由专业化生产工作负载，再到应用分发的模型栈。企业领导者需要做出的决策并非某一个模型是否能赢得所有任务，而是在哪些场景中，更窄领域的第一方模型能够在不削弱质量、控制或问责的前提下降低成本或延迟。