微軟 Build 2026 發布
7 款 MAI 自研 AI 模型：能追上 OpenAI 和 Anthropic 嗎？

如果你在用 GitHub Copilot、Azure 或關注 微軟 vs OpenAI 的戰略分化，Build 2026 是一次必須讀懂的發布會：Satya Nadella 與 Mustafa Suleyman 一次性推出 7 款 MAI 自研 AI 模型——含首款推理旗艦 MAI-Thinking-1、圖像 MAI-Image-2.5、轉錄 MAI-Transcribe-1.5、語音 MAI-Voice-2、編碼 MAI-Code-1-Flash，以及本地 AI 硬體 Surface RTX Spark Dev Box。本文按源材料完整涵蓋：130 億美元 OpenAI 依賴背景、每款模型參數與定價、基準資料真實含義、七維度追趕分析、開發者接入步驟與 FAQ。

SECTION 01 微軟為什麼要自研 MAI 模型？OpenAI 依賴的三重隱患

過去七年，微軟向 OpenAI 累計投入超過 130 億美元，Azure 上的 GPT 模型是其 AI 戰略核心支柱。但深度依賴帶來結構性風險：

• 成本失控：每次 API 呼叫都要向 OpenAI 付費，規模越大、利潤越薄；
• 技術主權缺失：無法控制模型迭代節奏、資料來源、權重所有權；
• 合約限制：原協議曾明確限制微軟自訓大規模模型。

轉折點在 2025 年底：雙方重新談判，新協議移除模型規模限制，明確允許微軟獨立追求「超級智慧」。Mustafa Suleyman 在 Build 2026 形容：

「我們大概六個月前才正式從與 OpenAI 的合約中『獲得自由』，被允許用自己的 IP、自己的資料、自己的算力去追求超級智慧。這是非常早期的開始。」

Build 2026 是微軟第一次公開向世界展示這顆「自研大腦」的成果——也宣告其正式獨立於 OpenAI 的自研 AI 之路剛剛起步。這與大廠自研晶片與算力布局的大趨勢同頻：控制成本、資料主權與分發管道。

SECTION 02 7 款 MAI 模型逐一拆解：參數、基準、定價與可用狀態

發布會共推出 6 款模型 + 1 款 Flash 變體 + 硬體 Dev Box。下表彙總可用狀態，後文逐款展開。

MAI-Thinking-1 — 推理旗艦

一句話定位：微軟首款推理模型，主打企業級編碼與數學推理，性價比優先。

稀疏 MoE 的關鍵意義：推理時只啟用 35B 參數，遠小於 GPT-5.5、Claude Opus 等密集大模型，推理成本顯著更低，是其最大差異化優勢。

基準資料的真實含義（別被行銷話術誤導）：

• 技術報告實際表述是 「competitive with Sonnet 4.6 across a wide range of benchmarks」——Sonnet 是 Anthropic 中端模型，不是旗艦 Opus；
• 比較基準版本已過時：目前最新 Anthropic 旗艦是 Claude Opus 4.8（SWE-Bench Pro 69.2%），微軟選用的是兩個版本前的 Opus 4.6（53.4%）；
• GPT-5.5 的 SWE-Bench Pro 是 58.6%，同樣高於 MAI-Thinking-1。

結論：MAI-Thinking-1 是有競爭力的中端推理模型，成本效率突出，但絕對效能與當前 Anthropic / OpenAI 旗艦仍有差距。

MAI-Image-2.5 — 文生圖 & 圖生圖

微軟首款同時支援文生圖和圖生圖的圖像模型，Arena.ai 圖像編輯榜排名 #2，文生圖排名 #3。核心能力包括 Text-to-Image、Image-to-Image 風格遷移與局部編輯、Control with Preservation（編輯時保留原始語意結構），已整合 PowerPoint、OneDrive 與 Azure Foundry Model Catalog。

MAI-Transcribe-1.5 — 語音轉文字

支援全球 43 種語言（含自動語言偵測），FLEURS 基準平均詞錯誤率（WER）4.9%，Artificial Analysis WER 2.4%（綜測第 3）。處理速度達 276× 即時（1 小時音訊秒級轉錄），相比 1.4 版延遲改善 5.7 倍。特色功能 Contextual Biasing 可提升專業術語準確率。定價 $0.36 / 音訊小時，在 FLEURS 43 語言基準上超過 Scribe V2、Whisper-large-V3、GPT-4o-Transcribe 和 Gemini 3.1 Flash。典型場景：Teams 會議記錄、客服中心轉錄、GitHub Copilot 程式碼註解語音輸入。

MAI-Voice-2 — 多語言 TTS

支援 Zero-shot 語音克隆（數秒參考音訊即可合成指定說話人）、情感風格控制（語氣、語速、情感色彩）、15+ 新增語言，MP3 輸出 24 kHz。定價 $22 / 1M 字元，Flash 超低延遲變體「即將推出」。已整合 Azure Foundry、VS Code、Dynamics 365、Microsoft Copilot。

MAI-Code-1-Flash — 程式設計助手

專為 GitHub Copilot 和 VS Code 深度最佳化的推理效率編碼模型，已正式上線——可能是 7 款 MAI 中對開發者日常影響最直接的一款。256K 上下文視窗，已內建 GitHub Copilot（含 CLI）、VS Code、GitHub Actions。定價 $0.75 / 1M 輸入 tokens，$4.5 / 1M 輸出 tokens。SWE-Bench 51%，超過 Claude Haiku 4.5，在速度/成本上有明顯優勢。

SECTION 03 Surface RTX Spark Dev Box：本地跑 120B+ 模型的「dream machine」

Satya Nadella 稱其為 「dream machine」——核心邏輯是把雲端 AI 算力搬到桌面，直接挑戰「按 token 付費」模式。

開箱即用預裝：WSL 2（含原生 GPU 直通 + CUDA）、VS Code + GitHub Copilot、PowerShell 7、Python、Node.js、Git、NVIDIA CUDA/cuDNN、AI Toolkit for VS Code、Windows ML、Microsoft Foundry CLI。

能跑什麼：本地執行 120B+ 參數模型（如 Llama 4、Qwen 3 等），1M token 上下文互動流暢，Fine-tune 原本需要雲端 GPU 實例的模型規模。

發售資訊：2026 年秋季，僅限美國 Microsoft.com 官網，價格尚未公布，消費者也可購買（非僅企業）。當你在本地跑 120B 模型時，就不需要向 OpenAI/Anthropic 支付 API 費用——這與本地算力 vs 雲端租賃的 TCO 討論形成有趣對照：Dev Box 解決 Windows/Linux 本地推理，而 iOS/macOS CI 與 Apple Silicon Agent 仍需要專用硬體環境。

SECTION 04 微軟能追上 OpenAI 和 Anthropic 嗎？七維度決策矩陣

Mustafa Suleyman 在 Build 2026 說了一句格外直接的話：

「目標是證明我們能成為全球頂尖的四大 AI 實驗室之一。目前不在其中，但這正是我來微軟的目的——我要在全球範圍內構建最好的前沿模型，完全多模態，從零開始。」

當前「三大」公認是 Google DeepMind、OpenAI、Anthropic。微軟公開承認自己不在其中——這本身就是重大訊號。

已經做到的事：獨立訓練能力（MAI-Thinking-1 全程無蒸餾）、多模態全覆蓋、企業資料安全、成本競爭力（同等任務成本據稱低於 GPT-5.5 10 倍）、極強分發管道（GitHub Copilot 數千萬開發者）、MAI-Code-1-Flash 已上線。

尚未追上的差距：SWE-Bench Pro 旗艦效能仍有約 16% 差距；模型迭代速度（Anthropic 已到 Opus 4.8，OpenAI 已到 GPT-5.6，微軟第一代才剛出來）；訓練基礎設施仍在建設中；MAI-Thinking-1 仍在私有預覽。

真正的變局：微軟在下不同的棋——把 AI 競爭從「誰的模型最強」轉向「誰的系統最好用」：當 MAI-Code-1-Flash 內建於 GitHub Copilot，7,500 萬開發者每天都在用微軟的模型；當 Surface RTX Spark Dev Box 上市，「本地 AI 主權」被包裝成硬體產品；當企業資料安全留在 Azure 內部 Fine-tune MAI 模型，資料飛輪掌握在微軟手裡。

短期（1–2 年）：純模型智力測試上仍落後 OpenAI 和 Anthropic 旗艦。中期（3–5 年）：Suleyman 團隊的「Hill-Climbing Machine」訓練體系成熟後，加上 Azure 分發與 GitHub 生態，有真實機會進入「四大」。這場比賽不一定是誰 benchmark 最高，而是誰在開發者工作流、企業資料主權和硬體側控制了更多摩擦點。

SECTION 05 開發者怎麼用 MAI 模型？6 步接入 Azure Foundry 與 Copilot

1. 確認可用模型：MAI-Code-1-Flash、MAI-Image-2.5、MAI-Transcribe-1.5、MAI-Voice-2 已正式上線；MAI-Thinking-1 需申請私有預覽。
2. 建立 Azure OpenAI / Foundry 資源：登入 Azure AI Foundry，在目標區域建立 Foundry 專案並啟用 Model Catalog。
3. 申請 MAI-Thinking-1 私有預覽（可選）：在 Model Catalog 搜尋「MAI-Thinking-1」點擊申請，或造訪 microsoft.ai/models/mai-thinking-1。
4. 設定 API 金鑰與端點：在 Foundry 專案「Keys and Endpoint」取得 azure_endpoint 與 api_key，API 版本建議 2026-05-01。
5. 呼叫 MAI-Code-1-Flash（Chat Completions）：使用 OpenAI SDK 相容介面，模型名 mai-code-1-flash；GitHub Copilot 使用者無需設定，VS Code 內聯建議已在背景執行該模型。
6. 接入語音與圖像 API：MAI-Transcribe-1.5 / MAI-Voice-2 透過 Azure Speech API；MAI-Image-2.5 透過 Foundry Model Catalog 無伺服器端點。MAI 模型亦可在 OpenRouter、Fireworks AI、Baseten 等第三方平台呼叫。

import openai

client = openai.AzureOpenAI(
    azure_endpoint="https://<your-resource>.openai.azure.com/",
    api_key="<your-api-key>",
    api_version="2026-05-01"
)

response = client.chat.completions.create(
    model="mai-code-1-flash",
    messages=[
        {"role": "system", "content": "You are an expert software engineer."},
        {"role": "user", "content": "Refactor this Python function to use async/await: ..."}
    ],
    max_tokens=2048
)
print(response.choices[0].message.content)

SECTION 06 可引用技術資料與開發者選型結論

• MAI-Thinking-1 啟用參數：35B（MoE 總參數 ~1T），上下文 256K，SWE-Bench Pro 52.8%，AIME 2026 94.5%。
• MAI-Transcribe-1.5 處理速度：276× 即時，FLEURS WER 4.9%，定價 $0.36/音訊小時。
• Surface RTX Spark Dev Box：128GB 統一記憶體、1 Petaflop 算力、100W TDP，可本地執行 120B+ 參數模型。
• MAI-Code-1-Flash 定價：$0.75/1M 輸入 + $4.5/1M 輸出 tokens，SWE-Bench 51%。
• 微軟 OpenAI 累計投資：130 億美元+；2025 年底新協議移除自訓規模限制。

以下官方與第三方來源可在發版後再次開啟連結核對參數與定價：

Microsoft AI: Introducing MAI-Thinking-1

MAI-Thinking-1 Technical Report (PDF)

New MAI models in Microsoft Foundry

Surface RTX Spark Dev Box (Microsoft Devices Blog)

Microsoft and OpenAI broke up — now they're ready to fight (The Verge)

Dev Box 把 Windows 本地推理推向前台，但三類場景仍有明顯短板：① 需要 macOS / Xcode 的 iOS CI 無法在 Windows 上原生跑；② 跨平台 Agent 若依賴 Apple Silicon 最佳化（Metal、Core ML），本地 Windows 裝置無法替代；③ Dev Box 僅初期在美國發售、價格未公布，短期難以全球部署。對於需要零損耗原生 Apple 算力、穩定 iOS CI/CD 與 AI Agent 7×24 自動化的生產環境，MACNOX 的雲端實體 Mac 節點通常是更優解：100% 蘋果原裝實體機、開放完整 Root 權限、無 Hypervisor 損耗、按天/週/月彈性下單——與 Dev Box 形成「Windows 本地推理 + macOS 雲端 CI」的互補架構。可參考AI Agent 生產環境安全加固與AI 程式設計模型選型兩篇延伸閱讀。

SECTION 07 常見問題 FAQ