2026 年 8 月是 Microsoft 自有 AI 策略的關鍵轉折點。MAI 模型家族——完全由 Microsoft 內部以自家 Maia 200 晶片訓練而成——如今已開始承載生產環境的 Copilot 流量。Phi-4 以 MIT 授權涵蓋七種邊緣運算情境。Florence-2 支撐著整個 Azure AI Vision，但 30 天內將面臨舊版 API 的關鍵退役期限。而 Aion 1.0 正準備取代 Phi Silica，成為 Windows 的裝置端（on-device）模型。如果你正在繪製自家的 AI 依賴圖，本週正是重新評估「Copilot 驅動」背後真正意義的時候。
MAI 家族：從 Build 發表到生產流量
在 Build 2026 大會上，Microsoft AI 執行長 Mustafa Suleyman 發表了 MAI 家族——七個以「Hill-Climbing Machine」管線從零開始訓練的模型，完全沒有蒸餾自 OpenAI、Anthropic 或任何第三方實驗室。所有模型都運行在 Maia 200 加速器上：3 奈米晶片，具備 1,400 億顆電晶體與 216GB 的 HBM3e 記憶體。
三個月後，這不再只是產品藍圖上的故事。彭博社（Bloomberg）於 7 月證實，成千上萬的 Excel 與 Outlook 提示詞現在已改由 MAI 模型處理，而非第三方 API。Microsoft 365 Copilot 現在扮演任務分類的編排層——郵件起草、討論串摘要、試算表公式、VS Code 編寫程式碼、影像生成與安全掃描，全都路由至 MAI。GPT-5.6 等頂尖第三方模型仍是複雜多步推理的「首選模型」，但一般性的商品化任務層級，如今已屬於 MAI 的天下。
MAI-Code-1.1-Flash：價格降低 75%，原生支援視覺
MAI-Code-1.1-Flash 已於 8 月 11 日正式上市（GA），成本較前代降低 75%——輸入每 100 萬 token 0.20 美元、快取每 100 萬 token 0.02 美元、輸出每 100 萬 token 1.20 美元。Token 串流速度提升 25%，任務耗用 token 減少 25%，並新增原生視覺輸入，支援「截圖轉程式碼」（screenshot-to-code）工作流程。基準測試：SWE-Bench Verified 72.6%、Terminal-Bench 2.1 62.9%（提升 22%），.NET 任務表現提升 15%。目前已於所有 GitHub Copilot 方案中上線。MAI-Code-1-Flash 將於 9 月 10 日停用——請立即遷移。
MAI-Thinking-1：旗艦級推理模型進入公開預覽
MAI-Thinking-1 已於 8 月 12 日在 Foundry 上進入公開預覽。其總參數量約 962B、啟用參數約 34.7B，並具備 256K 的上下文長度，是 Microsoft 的頂尖推理模型。官方自評數據：AIME 2025 97.0%、AIME 2026 94.5%、SWE-Bench Pro 約 52.8%——與 Claude Opus 4.6 相當。定價尚未公布（TBD）。
MAI-Image-2.6 與 MAI-Cyber-1-Flash
MAI-Image-2.6 已於 8 月 10 日進入私人預覽，隨即登上 Arena 文生圖排行榜第二名（Elo 1,336），並在 3D 影像類別拿下第一名——在該類別擊敗 GPT Image 2。顯著進步：文字渲染 +91 Elo，整體相較 2.5 版提升 +79 Elo。
MAI-Cyber-1-Flash 於 8 月 3 日以 Project Perception 計畫的一部分進入公開預覽。它能以 GPT-5.4 一半的運算成本處理 90% 的漏洞掃描，CyberGym 分數從 88.4% 躍升至 95.95%。
Phi-4：邊緣運算產品線持續深化
Phi-4 家族仍是業界最完整的小型語言模型產品組合——涵蓋 3.8B 至 15B 參數的七種 MIT 授權變體。沒有任何其他供應商能與之匹敵。
Phi-4（14B）在 MMLU 上以 84.8% 的成績媲美 Llama 3.3 70B，同時僅需其 4 至 5 分之一的 VRAM。Phi-4-mini（3.8B）可在 8GB 記憶體與 Raspberry Pi 5 上運行，已隨 Windows 12 Copilot+ PC 出貨，且在 Intel Xeon 6 上以純 CPU 模式達到每秒 1,955 個 token。Phi-4-reasoning-vision-15B 將 SigLIP-2 視覺編碼器與 Phi-4-Reasoning 主幹網路結合，可切換推理模式並支援螢幕定位（screen grounding）——使其成為 15B 參數量級中最優秀的本地部署視覺推理候選方案。
Azure 定價：輸入每 100 萬 token 0.07 美元、輸出每 100 萬 token 0.14 美元、混合均價每 100 萬 token 0.088 美元。Phi-4 的視覺與音訊變體預計於 10 月前推出。
對 CTO 而言的戰略價值：完全沒有授權摩擦的離線、本地部署與資料主權（data-sovereign）AI 部署。
Florence-2：舊版 API 的 30 天退役期限
Florence-2 仍是 Microsoft 的視覺基礎模型，驅動著 Azure AI Vision Image Analysis 4.0。目前沒有規劃 Florence-3——Microsoft 選擇以穩定性優先，而非追求發布速度。該模型以單一權重集合處理 12 種以上的視覺任務：偵測、分割、影像描述（captioning）、定位（grounding）、支援 164 種語言的 OCR，以及密集區域描述（dense region captioning）。
重要提醒： 舊版 Azure Vision API（v1.0–3.1）將於 2026 年 9 月 13 日退役——距今僅剩 30 天。請在此日期前遷移至以 Florence-2 為基礎的 Image Analysis 4.0 SDK。Florence-2-large（770M）在無外部 OCR 的情況下於 TextVQA 達到 81.5%，LoRA 微調在專業資料集上更展現超過 98% 的精確度。原生的 C#/.NET NuGet 套件支援本機 ONNX 執行。
這是硬性退役，而非軟性棄用。
Aion 1.0：裝置端轉型
Aion 1.0 是 Microsoft 的「無限量智慧」（unmetered intelligence）布局——零雲端依賴、每次推論的邊際成本為零。Aion 1.0 Instruct（輕量級 SLM）無需獨立 GPU 即可在 CPU/GPU/NPU 上運行，目前透過 Edge Canary 提供開發者預覽，10 月 1 日開放獨立測試，11 月 24 日正式上市（GA）。值得注意的是，它取消了曾令開發者苦不堪言的 Limited Access Feature token 要求。Aion 1.0 Plan（14B，32K 上下文）負責裝置端的代理式（agentic）工作流程——推理、工具呼叫、子代理編排——並透過 Windows Agent Framework 隨 Copilot+ PC 出廠內建。
Phi Silica 正逐步退場：5 月的 AMD 最佳化讓回應速度提升 30%，但該模型將於 11 月 24 日從零售裝置上移除。Microsoft 表示 LanguageModel 與 ImageDescription API 的相容性將獲得保留。
研究發布：Orchard 與 EvoLib
Microsoft Research 本月發布了兩個 MIT 授權的框架。Orchard（8 月 3 日）是以 Kubernetes 原生方式訓練 AI 代理的框架——其領域配方（domain recipes）以約 3B 的啟用參數在 SWE-bench Verified 達到 69.7%，GUI 代理則在 WebVoyager 達到 74.1%。EvoLib（7 月 30 日）透過測試時學習（test-time learning），在不更改模型權重的情況下，於數學、程式碼與代理任務上帶來 11% 至 20% 的進步。兩者皆可圍繞黑箱 LLM 運作。
完整的技術堆疊
Microsoft 如今是（與 Google 和 Apple 並列的）三家擁有完整 AI 產品組合的公司之一：客製化晶片（Maia 200）、雲端頂尖模型（MAI）、開放權重的邊緣 SLM（Phi-4）、裝置端模型（Aion 1.0）、視覺基礎模型（Florence-2）、編排層（Copilot 路由）與代理框架。這套技術堆疊可以在沒有任何第三方依賴的情況下進行端到端評估——不過對多數企業而言，混合路由（hybrid routing）仍是較務實的選擇。
行動清單
- 在 9 月 10 日前將 MAI-Code-1-Flash 遷移至 1.1-Flash — 節省 75% 成本並獲得視覺輸入支援
- 在 9 月 13 日前將舊版 Azure Vision API 遷移至 Image Analysis 4.0 — 硬性退役
- 更新 Copilot 依賴假設 — MAI 模型現在處理大多數商品化任務，影響成本與資料落地（data residency）規劃
- 評估 Aion 1.0 在裝置端情境的應用 — 測試套件 10 月 1 日開放；Phi Silica 轉換期限為 11 月 24 日
- 測試 Phi-4-mini 於離線／邊緣部署 — 現有 8GB 記憶體的企業硬體即可運行
Kevin Kaminski 是 Big Hat Group Inc. 的創辦人，該公司為 Microsoft 合作夥伴，專注於 AI 採用策略。歡迎追蹤 https://x.com/kkaminsk，持續獲取 Microsoft AI 模型生態系的分析。