2026 年年中是轉捩點，2026 年 8 月則是它化為營運現實的時刻。Bloomberg 證實，Microsoft 正積極將數以萬計的 Excel 與 Outlook 提示詞導向其自有的 MAI 模型，而非第三方 API。GitHub Copilot 也將於本月把 MAI-Code-1-Flash 轉為預設後端。對工程領導者而言，問題已從「Microsoft 有能力打造前沿模型嗎？」轉變為「你該多快圍繞它們重新架構？」
本週的分析涵蓋截至 2026 年 8 月 Microsoft 完整的自有模型堆疊——七個 MAI 雲端模型、七個 Phi-4 邊緣運算變體、Aion 裝置端系列、Phi Silica 的轉換時程表、Florence-2 的退役期限，以及將這一切串聯起來的 Copilot 編排層。
MAI 家族：從零打造
MAI（Microsoft AI）家族於 6 月的 Build 2026 大會亮相，是 Microsoft 迄今最重要的內部 AI 投資。七個模型全部由 Mustafa Suleyman 領導的 AI 超級智慧團隊（AI Superintelligence Team）使用內部管線「爬坡機器」（Hill-Climbing Machine）從零訓練而成，未經由 OpenAI、Anthropic 或任何第三方實驗室蒸餾。訓練資料屬於企業級、具商業授權且可追溯——這對有合規需求的組織來說是關鍵差異。
MAI-Thinking-1：旗艦模型
這款推理旗艦採用稀疏混合專家（Mixture-of-Experts）架構，總參數量約 1T，其中約 35B 為啟用參數，具備 256K token 的上下文視窗。Microsoft 公布的基準測試成績相當亮眼：AIME 2025 達 97.0%、AIME 2026 達 94.5%、SWE-Bench Pro 約 52.8%——與 Claude Opus 4.6 並駕齊驅。在涵蓋 1,276 項任務的盲測人工評估中，MAI-Thinking-1 的偏好度高於 Claude Sonnet 4.6。該模型目前於 Azure Foundry 上提供私人預覽，公開預覽預計在數週內上線。
MAI-Code-1-Flash：已投入生產環境
這是正逐步取代 GitHub Copilot 中 GPT-4 Turbo 的模型。它於 2026 年 6 月 26 日正式上市（GA），定價為每 100 萬輸入 token 0.75 美元、每 100 萬輸出 token 4.50 美元。它在 SWE-Bench Pro 取得 51.2% 的成績——領先 Claude Haiku 4.5 達 16 個百分點——同時比同級模型最多節省 60% 的 token 用量。它是 VS Code 中的預設模型，並正陸續部署至所有 GitHub Copilot 方案。GPT-4 Turbo 仍可作為後備選項至 2026 年 11 月，但趨勢已然明朗。
影像、語音與轉錄模型
MAI-Image-2.5 在 Arena.ai 的影像編輯排行榜上排名第二，超越 Nano Banana Pro，並已整合至 PowerPoint 與 OneDrive。Flash 變體提供約三分之一的成本即可生成影像。MAI-Transcribe-1.5 宣稱在 43 種語言中擁有業界最佳的字錯誤率（Word Error Rate），並正於 Teams 轉錄功能中逐步推出。MAI-Voice-2 是 Microsoft 迄今表現力最強的 TTS 模型。這三者皆已在 Azure Foundry 上正式上市。
前沿微調：客戶自有模型
最具策略意義的能力或許是強化學習環境（Reinforcement Learning Environments，RLEs），它讓組織能夠以自己的工作流程資料微調 MAI 模型。Microsoft 表示，其微調後的 Excel 模型可媲美 GPT-5.4，同時效率最高提升 10 倍。微調後的模型仍歸客戶所有——機構知識因此成為模型本身的一部分。Mayo Clinic 已與 Microsoft 共同打造醫療領域專屬的前沿模型，結合去識別化的臨床資料與 Microsoft 的基礎 AI。該模型將由 Mayo Clinic 擁有，並先部署於其自有環境，之後再透過 Microsoft Foundry 提供。
Phi-4：邊緣運算 SLM 產品組合
七個變體，全部採用 MIT 授權，涵蓋推理、視覺、多模態與邊緣運算情境。這是業界最具說服力的小型語言模型產品組合。
基礎版 Phi-4（14B）在 MMLU 上與 Llama 3.3 70B 及 Qwen 2.5 72B 匹敵，但所需 VRAM 減少 4–5 倍。它使用 4.8 兆個精選網路與程式碼 token 訓練，耗用的運算量比 GPT-4o mini 少 85%。目前已整合至 Azure AI Studio，支援 128K 上下文，並可透過 Azure Machine Learning 進行微調。
Phi-4-mini（3.8B）可在 8GB RAM 的機器上執行，甚至能在樹莓派 5 上以 Q4 量化、約 3GB VRAM 的條件運作。它已於 7 月 19 日出貨至 Windows 12 Copilot+ PC，在 Snapdragon X Elite 上以每秒 42 個 token 的速度執行——實現離線程式碼補全與本機影像編輯。
推理變體尤其值得關注。Phi-4-reasoning 在多數基準測試上優於 OpenAI 的 o1-mini 與 DeepSeek-R1-Distill-Llama-70B，且在 AIME 2025 上與完整版 DeepSeek-R1（671B 參數）相當。Phi-4-reasoning-plus 加入強化學習增強。Phi-4-mini-reasoning（3.8B）使用 DeepSeek R1 生成約 100 萬道合成數學題目訓練——專為輕量裝置上的嵌入式教學輔助而設計。
Phi-4-reasoning-vision-15B 於 2026 年 3 月釋出，將 SigLIP-2 視覺編碼器與 Phi-4-Reasoning 主幹結合。它可在推理與非推理模式間切換，支援螢幕定位（以座標識別 UI 元素），且以 15B 參數成為地端視覺推理工作負載的最佳候選。如果你正在打造自主 UI 代理程式或 RPA 工具，這就是你要的模型。
Aion 1.0：裝置端智慧
Aion 1.0 於 Build 2026 大會發表，代表 Microsoft 所謂的「不計量智慧」（unmetered intelligence）——零雲端依賴、每次推論零邊際成本。
Aion 1.0 Instruct 是一款輕量 SLM，可在 CPU、GPU 或 NPU 上執行，無需專用 GPU。它處理摘要、改寫、意圖分類與無障礙輔助任務，目前透過 Edge Canary/Dev 頻道提供開發者預覽。開放權重預計本月於 Hugging Face 釋出。關鍵在於：Aion Instruct 將於 2026 年 11 月 24 日取代 Phi Silica，成為生產環境的裝置端模型——獨立測試套件於 10 月 1 日提供，Windows Insiders 版本則於 10 月 23 日推出。
Aion 1.0 Plan（14B、32K 上下文）更具野心。它不是聊天機器人——而是能推論使用者意圖、並在本機協調子代理程式的代理執行環境。它隨 Windows 代理架構（Windows Agent Framework）內建於具備能力的 Windows 裝置，該架構已由 Microsoft 於 Build 2026 開源。它需要配備 ≥40 TOPS NPU 的 Copilot+ PC，或 NVIDIA RTX 30+ / AMD Radeon RX 9060+ GPU。對正在打造本機優先代理架構的組織而言，這是值得關注的平台。
Florence-2：穩定的視覺能力，明確的最後期限
目前尚未公布 Florence-3。Microsoft 選擇以穩定性與廣泛的企業實用性取代倉促的釋出週期。Florence-2 仍是 Azure AI Vision Image Analysis 4.0 背後的視覺引擎，以單一組權重支援 12 種以上的視覺任務——物件偵測、分割、字幕生成、視覺定位、164 種語言的 OCR。提供基礎版（約 0.23B，可於 CPU 部署）與大型版（約 0.77B，生產等級）兩種變體，皆採 MIT 授權。
**關鍵期限：**舊版 Azure Vision API（v1.0–3.1）將於 2026 年 9 月 13 日退役。如果你尚未遷移至以 Florence-2 為基礎的 Image Analysis 4.0 SDK，這就是你的 30 天警告。
Copilot：編排，而非單一模型
Microsoft 365 Copilot 不是單一模型——它是一個編排層。任務分類層會依任務類型、複雜度與品質要求為每次互動分類，再據此進行路由。
截至 2026 年 7 月，高流量的例行任務——電子郵件草擬、訊息串摘要、試算表公式生成、VS Code 中的程式設計、PowerPoint 中的影像生成、Teams 轉錄——皆已路由至第一方 MAI 模型。需要跨長篇非結構化文件的新穎分析、具複雜依賴關係的多步驟推理，以及需要風格判斷的創意生成，仍路由至 GPT-5.6 與 Claude 等前沿第三方模型。裝置端推論使用 Phi Silica，並將轉換至 Aion 1.0。
這種路由架構是務實的做法。它能在第一方模型已具競爭力的高流量任務上節省成本，同時在最重要的地方保留前沿能力的取用管道。到 2026 年底，多數例行 Copilot 任務預計將完全由 MAI 模型執行。
Turing：已被取代
2025–2026 年間，Turing 模型家族沒有任何重大更新或新版本。MAI 家族已接管生產工作負載。就新開發而言，Turing 實際上已退役。
完整技術堆疊
Microsoft 現在是除 Google 與 Apple 之外，唯一擁有涵蓋所有層級的完整 AI 產品組合的公司：
- **客製化晶片：**Maia 200 加速器（透過協同設計提升 1.4 倍效率）
- **雲端前沿模型：**MAI 家族（7 個模型）
- **開放權重邊緣模型：**Phi-4 家族（7 個變體，MIT 授權）
- **裝置端模型：**Aion 1.0 與 Phi Silica
- **視覺基礎模型：**Florence-2（MIT 授權）
- **編排層：**Copilot 多模型路由
- **代理架構：**Windows Agent Framework（已開源）
這對工程領導者的意義
三項可立即執行的重點：
**規劃你的 Copilot 模型遷移。**MAI-Code-1-Flash 本月起成為預設模型，GPT-4 Turbo 的後備支援至 11 月。如果你有 Copilot 整合，現在就以 MAI 模型進行測試，並在 11 月窗口關閉前更新你的後備策略。
**在 9 月 13 日前遷移舊版 Azure Vision API。**以 Florence-2 為基礎的 Image Analysis 4.0 就是替代方案。三十天相當緊湊——今天就開始。
**評估 Phi-4 用於邊緣與地端工作負載。**MIT 授權加上變體陣容的廣度，使 Phi-4 成為需要完全掌控強大 AI 模型的組織最有力的選擇。15B 參數的推理視覺變體，對地端視覺推理代理工作負載尤其具吸引力。
MAI 時代不是即將來臨——它已經在這裡。生產流量正在流動，技術堆疊已然完整。問題在於，你的架構是否已準備好迎接它。
本分析為 Big Hat Group Microsoft AI 每週報系列 的一部分。歡迎在 x.com/kkaminsk 追蹤後續評論。