微软正在和自己最亲密的盟友OpenAI越走越远。当地时间11月17日,微软在Ignite大会上亮出多款自研AI模型,覆盖编程、安全、图像与语音等领域。其中,MAI Code 2与MAI Code 2 Flash两款模型备受关注。微软表示,这两款模型为日常企业编程任务打造,重点强调性价比:以不到一半的价格实现相似的生产质量。

为突出性价比,微软直接拉出OpenAI的当家模型逐项比对。公司称,在四个广泛使用的基准测试中取平均值,MAI Code 2的性能达到GPT 6.1 Sol的98%,成本仅为后者的40%;性能达到Claude Opus 5.5的96%,成本仅为后者的5%。上述模型还可无缝接入Microsoft 365生态,在内部Excel客户场景基准测试中,其准确性和令牌效率与GPT 6 Luna不相上下。

价格优势有时间窗口。有从业人士表示,此次测试用的是5折促销价,2027年5月17日起Code 2单价将翻倍。目前单价为OpenAI的25%,跑测试的实际花费为对方的40%,说明其在解题时消耗了更多Token;若双方用量和对手价格不变,恢复原价后跑完同样任务的花费会升至对手的八成,价格优势将大幅收窄。

除编程模型外,微软还推出首个实时语音到语音模型MAI Realtime 1,官方称其表现超越GPT-Realtime 2.1,价格低至每音频分钟0.01美元起;医疗场景的Dragon Copilot Transcribe基于MAI Transcribe 2打造,目前每月处理约1000万次医患对话,多语言错误率减半,已被约三分之一的美国医生使用;决策模型Microsoft-Decision-1.1转为正式可用,官方称其比GPT-Sol 6.1快50倍、便宜79倍。

这一系列动作指向同一个目标:降低对外部供应商的依赖。今年6月的Build大会上,微软已推出MAI模型家族及首个AI推理模型Mai-Thinking-1,拥有350亿活跃参数,设计目标是在保持性能的同时降低Token使用成本。有分析认为,自研模型可直接运行在微软自己的Azure基础设施上,避免向第三方支付费用,并掌握模型迭代节奏与定价主动权,从而稳住Copilot、Azure云业务的利润空间。

对开发者和企业采购方来说,选择模型不能只看单价。实际成本取决于单价与Token消耗量的乘积,还要计入迁移、调试和运维投入;促销价往往有期限,签约前应确认调价条款与用量上限。更关键的是数据合规与业务连续性,涉及客户数据的场景应明确模型部署位置、数据是否用于训练,并保留可切换的备选方案,避免被单一供应商锁定。

(信息来源:北京商报,发布时间:2026-11-19)