Microsoft 利用 Ignite 2026 擴展其第一方 AI 產品組合,涵蓋消耗企業推論預算的工作負載:程式設計、資安、影像、即時語音、轉錄及軟體決策。這項公告的重要性不在於每款模型都已全面推出——其中數款仍處於預覽階段——而在於 Microsoft 正在組建一個從 Maia 200 矽晶片、MAI 模型,到 GitHub、Azure、安全系統與 Dragon Copilot 的完整技術堆疊。

以下是 CTO 與工程主管需要了解的重點:這七款模型的陣容、Microsoft 對程式設計成本的主張、授權模型權重、專用安全性與語音系統,以及支撐它們的基礎架構策略。

七款 MAI 模型讓 Microsoft 超越模型託管

Microsoft 在 Ignite 的公告中列出七款第一方模型:MAI Code 2、MAI Code 2 Flash、MAI Cyber 2 Flash、MAI Image 2.7、MAI Realtime 1、MAI Transcribe 2 與 Decision 1.1。Microsoft 也指出,MAI Image 2.7 Flash 變體將與 MAI Image 2.7 一同進入預覽。

這個產品組合是依工作任務組織,而非期待一個通用模型服務所有應用程式。

  • 程式設計:MAI Code 2 與 MAI Code 2 Flash
  • 資安:MAI Cyber 2 Flash
  • 影像生成:MAI Image 2.7 及其 Flash 變體
  • 即時語音:MAI Realtime 1
  • 轉錄:MAI Transcribe 2
  • 軟體決策:Decision 1.1

Microsoft AI 將這些系統定位為針對企業工作負載最佳化,並整合至 Microsoft 產品中的元件。這不只是更大的模型目錄,而是試圖掌控每個 AI 輔助工作流程背後更多的經濟效益與部署路徑。

對 CTO 而言,現在應依據工作負載、可用性階段、整合介面與營運成本來評估模型選擇,而非僅根據供應商名稱。預覽模型需要受到限制的測試,而已全面推出的模型則可進入正式的生產評估。

程式設計經濟效益成為採購問題

Microsoft 對 MAI Code 2 提出了最可量化的主張。該公司表示,此模型以約 GPT-6.1 Sol 價格的 40%,提供 98% 的程式設計品質。

這項主張並未以獨立測試方式呈現。不過,它仍是有用的評估目標,因為它結合了聲稱的品質水準與明確的價格比例。

MAI Code 2 與 MAI Code 2 Flash 均已在 GitHub Copilot 中推出,而 MAI Code 2 Flash 則在 Azure AI Foundry 進入私人預覽。這項區別很重要:Copilot 的可用性為開發團隊提供可立即使用的產品介面,而 Foundry 的私人預覽則限制僅核准的參與者能進行更廣泛的應用程式實驗。

  • 評估目標:將 MAI Code 2 的接受率與審查工作量,與您目前的程式設計模型進行比較。
  • 成本目標:針對完整工作流程成本,而不只是權杖定價,測試 Microsoft 約 40% 價格的主張。
  • 存取限制:將 Azure AI Foundry 中的 MAI Code 2 Flash 視為私人預覽相依項目。
  • 治理要求:讓產生的程式碼持續受到既有測試、安全性與人工審查控制的約束。

對工程團隊而言,問題不在於模型能否產生程式碼,而在於是否能以更低的推論支出產生可比擬的輸出,同時不增加審查負擔。

安全性與決策模型瞄準營運工作流程

Microsoft 將 MAI Cyber 2 Flash 置於其代理式程式碼安全系統 Codename MDASH 的預覽版本中。Microsoft 表示,此模型鎖定威脅分析與弱點處理工作流程。

這並非作為已全面推出的安全控制措施發布。它是代理式系統中的預覽功能,因此安全主管應將工作流程加速與具權威性的風險決策區分開來。

另一方面,Decision 1.1 已全面推出。Microsoft 將其描述為專為可靠軟體決策設計的低成本、高輸送量模型。

  • 安全性狀態:MAI Cyber 2 Flash 仍處於預覽階段。
  • 安全性範圍:Microsoft 鎖定威脅分析與弱點工作流程。
  • 決策狀態:Decision 1.1 已全面推出。
  • 決策特性:Microsoft 將其定位為適用於低成本、高輸送量的軟體決策。

對 CTO 而言,Decision 1.1 是較近期的生產候選方案,因為 Microsoft 已將其推進至全面推出。MAI Cyber 2 Flash 應維持在隔離評估中,直到其預覽狀態改變,且您的安全團隊依既定控制措施驗證其輸出為止。

語音、轉錄與影像擴展應用層

Microsoft 將 MAI Realtime 1 推出為其首款即時語音轉語音模型。這項定位使延遲敏感的對話式應用程式成為 Microsoft 第一方模型類別,而不再僅是與外部供應商的整合。

Microsoft 也指出,MAI Transcribe 2 是 Dragon Copilot 多語言轉錄功能背後的引擎。這為模型提供明確的應用角色,儘管 Microsoft 未在 Ignite 公告中提供更廣泛的可用性細節。

至於影像,MAI Image 2.7 與 MAI Image 2.7 Flash 已進入預覽。預覽狀態應同時影響架構與採購決策:團隊可以評估輸出與工作流程的適配性,但不應假定存在生產服務承諾。

對工程團隊而言,語音轉語音、轉錄與影像生成應維持為獨立的架構軌道。即使共用 MAI 品牌,它們仍有不同的延遲、審查、資料處理與可用性要求。

授權權重與 Maia 200 補齊技術堆疊

或許最具影響力的公告是 MAI Licensed Weights。Microsoft 表示,企業將能以自己的資料自訂特定 MAI 模型,並在其 Azure 環境中執行這些模型。

「特定」這個詞很重要。Microsoft 並未表示每款 MAI 模型都將以此方式提供,因此架構規劃應以已確認的模型資格為依據,而非假設整個產品組合皆適用。

同時,Microsoft 表示其 Maia 200 AI 加速器已投入生產,並正執行 Microsoft 最大型的模型。這將三個層次連結在一起:

  • 基礎架構:Maia 200
  • 模型:持續擴展的 MAI 產品組合
  • 應用程式:GitHub Copilot、Codename MDASH、Dragon Copilot 與 Azure AI Foundry

這不只是圖表上的垂直整合。它讓 Microsoft 對模型最佳化、基礎架構配置及產品部署擁有更多控制權。

Microsoft AI 負責人 Mustafa Suleyman 也表示,該公司正朝向通用型前沿模型推進,並引用強大的預訓練與強化學習成果。他未提供發布時程,因此企業不應將遷移日期或容量規劃建立在這項工作上。

對 CTO 而言,MAI Licensed Weights 值得進行獨立的平台審查,涵蓋資料邊界、自訂權責、Azure 營運成本與模型可攜性。Maia 200 應被視為策略性基礎架構訊號,而非這項公告所確立的客戶採購選項。

CTO 與工程主管的策略重點

  1. 對程式設計主張進行基準測試。根據您的程式碼庫、審查標準與總工作流程成本,測試 Microsoft 所稱的 98% 品質與約 40% 價格。

  2. 將預覽版本與生產候選方案區分開來。Decision 1.1 已全面推出,而 Azure AI Foundry 中的 MAI Cyber 2 Flash、影像模型及 MAI Code 2 Flash 都受到預覽限制。

  3. 將授權權重視為架構決策。在 Azure 內使用企業資料進行自訂,將改變治理、成本分攤與部署責任。

  4. 追蹤完整的 Microsoft 技術堆疊。應一併評估 Maia 200、MAI 模型與 Microsoft 應用程式整合,因為某一層的最佳化可能影響其他層的選擇。

Microsoft 不再將第一方模型定位為孤立的實驗。它正在建立一個依工作負載劃分的產品組合,連接其自有矽晶片、雲端、開發人員工具、安全產品與商務應用程式。因此,您的下一次模型審查不應只比較輸出品質,還應比較生命週期狀態、整合深度、自訂權利與總營運成本。