Microsoft 的專用 AI 模型以成本優勢挑戰更強大的對手
前言
Microsoft 推出一系列專用人工智慧模型,瞄準程式編寫、網路安全與圖像生成。該公司並未打造一個能處理各種請求的通用助理,而是著重於為範圍較窄的任務設計系統,並表示這些系統能以較低價格提供具競爭力的成果。其主要宣稱包括:程式編寫表現接近領先的競爭對手模型,成本卻只有其一小部分;以及在網路安全評估中取得高分。其圖像模型在獨立的編輯排行榜上也有出色表現。
這些結果值得關注,但需要放在背景脈絡中理解。部分比較依據 Microsoft 自行進行的評估;一項程式編寫成本估算包含促銷折扣;而圖像排行榜的差距也很小。本文將檢視 Microsoft 的宣稱、背後的評估方法與限制,以及企業採用專用模型的整體理由。
懶人包
Microsoft 的策略是讓模型專注於特定任務,而不是只靠不斷擴大的通用系統競爭。該公司表示,MAI Code 2 的程式編寫表現達到 Claude Opus 5.5 的 96%,成本則為其 5%;MAI Cyber 2 Flash 在漏洞發現評估中取得 92.3% 的分數。MAI Image 2.7 在圖像編輯排行榜上以微幅差距領先,並在有限的比較中獲得不錯的結果。然而,這些宣稱取決於特定測試、定價假設與評估條件,並不能證明 Microsoft 的模型適用於所有情境。
正文
Microsoft 推出的新款專用模型,在企業常用 AI 的多個領域直接挑戰 Anthropic 和 OpenAI:軟體開發、安全分析與圖像創作。該公司的核心論點是,組織不一定需要一個能力廣泛的單一模型。對於明確且重複的任務,針對該工作調校的模型或許能以較低成本維持具競爭力的表現。
最受矚目的程式編寫宣稱與 MAI Code 2 有關。Microsoft 表示,該模型在常見企業程式編寫任務上的表現,達到 Claude Opus 5.5 的 96%,成本則為其 5%。該公司也表示,Code 2 的表現達到 GPT-6.1 Sol 的 98%,價格則為其 40%。這些數字是四項實務軟體開發評估的平均結果,內容包括修復程式碼,以及跨多個檔案進行修改。
解讀這些比較時,測試設定很重要。Microsoft 在自家的評估平台上執行了三項評估,第四項則採用外部結果。該公司以 50% 的促銷折扣計算 MAI Code 2 的成本。這表示所述的價格優勢反映特定的定價條件,不一定代表該模型在所有情境下的標準成本。報告中的表現百分比也僅適用於所選評估,不應視為衡量程式編寫能力的通用指標。
時間點也是一項考量。OpenAI 在星期二、也就是 Microsoft 發表公告的同一天,推出了 GPT-6.2。因此,Microsoft 與 GPT-6.1 Sol 的比較,針對的是 OpenAI 較舊一代的模型。現有資訊並未證明,在相同測試與定價假設下,MAI Code 2 與 GPT-6.2 相比會有何種表現。
Microsoft 推出 MAI Code 2 Flash,用於例行程式碼修正與快速編輯。該公司表示,這款較輕量的模型只需 20% 的價格,表現便可媲美 Claude Haiku 5.5。如此一來,Flash 適合頻繁且較不複雜的工作,而 Code 2 則面向更具挑戰性的開發任務。兩款程式編寫模型都已在 GitHub Copilot 上推出,讓 Microsoft 自家的模型進入一款過去大量仰賴外部供應商 AI 技術的產品。
網路安全是 Microsoft 專用模型策略的另一個面向。該公司表示,MAI Cyber 2 Flash 在 CyberGym-E2E 評估的漏洞發現任務中,完成率達 92.3%,GPT-6 Astra 則為 91.5%;每項任務的成本不到 GPT-6 Astra 的 2%。CyberGym-E2E 衡量模型成功完成軟體安全調查的百分比,因此這個分數反映的是模型在一項明確基準測試上的表現,而非所有類型的安全工作。
Microsoft 發現 CyberGym-E2E 的 905 項任務中,有 92 項的來源資料與其訓練資料重疊,因此將這些任務排除。這項說明十分重要,因為訓練資料重疊會影響我們判斷測試能否反映模型處理未見問題的能力。來源並未提供與 OpenAI 受限使用的 GPT-6 Cyber 直接比較,因此不應將報告結果視為與該系統的比較。
Microsoft 計畫在 12 月中旬,開始為符合資格的 MDASH 客戶以其安全系統取代較舊的 MAI 模型。這次推出延續了該公司現有的漏洞掃描做法。與程式編寫方面的宣稱一樣,實際成效將取決於所涉及的任務、客戶環境與審查程序。
專用模型背後的道理很直接。通用模型必須處理各式各樣的請求,從寫詩、解釋物理學,到除錯軟體與回答開放式問題。針對程式編寫或網路防禦訓練的模型,可以將更多訓練與運算資源投入與該工作相關的模式。對於一再執行明確任務的企業而言,這種專注或許能在能力與營運成本之間取得實際平衡。
例如,檢查每一項新程式碼變更的安全掃描器,不需要回答無關的歷史問題。如果專用模型能可靠地找出相關風險,公司或許會傾向採用成本較低的模型呼叫,而非使用強大的通用模型。但這項優勢取決於任務範圍是否夠明確、模型表現是否足夠出色,以及將模型整合進企業工作流程後,節省的成本是否仍具實質意義。
專用化不只體現在模型內部的訓練。周邊系統也能針對特定工作調整,包括模型使用的工具、用來檢查輸出的機制,以及用來改進模型的資料。OpenAI 也採取了類似做法,推出 Mini 和 Nano 模型,讓較低成本的系統處理例行請求,較大的模型則負責較困難的例外情況。這並非 Microsoft 獨有的策略,而是反映出一種更廣泛的趨勢:依據工作選擇模型,而非凡事依賴同一套系統。
這種做法也有其限制。Microsoft 的文件指出,Code 2 尚未針對基礎科學研究或長時間執行的自主任務進行最佳化。這些限制界定了該模型可能不適合取代更廣泛或能持續運作的系統之處。另一方面,Anthropic 透過 Haiku 進軍較低價位市場,也以 Opus 競爭高階市場。Microsoft 因此進入了一個競爭對手早已提供兼顧成本與能力之模型的市場。
MAI Image 2.7 或許是 Microsoft 策略最顯而易見的證據。在快速的並排比較中,與 GPT Image 和 Google 的 Nano Banana 相比,該模型生成的圖像在寫實度、創意與整體品質方面獲得較佳評價。這些只是根據少數生成結果得出的初步印象,並非全面評估。不過,這些觀察大致符合該模型在獨立圖像編輯排行榜上的表現。
Artificial Analysis 的圖像編輯測試會請人們在匿名生成的編輯結果中做選擇,再將這些偏好轉換為 Elo 評分。MAI Image 2.7 目前以 1,215 分領先該排行榜,GPT Image 2.6 Sunburst 則為 1,211 分。兩者僅差 4 分,且公布的不確定性範圍有所重疊。在採用相同偏好評分方式的文字生成圖像排行榜中,Microsoft 則位居第四。整體而言,結果顯示其圖像編輯表現出色,但在所有圖像生成任務中並未明確領先。
圖像定價提供了另一個比較角度。Microsoft 報價顯示,MAI Image 2.7 每 1,000 張圖像約為 $35,Flash 版本則為 $10。Artificial Analysis 列出的 GPT Image 2.6 Sunburst 最高品質價格約為每 1,000 張圖像 $211。在同一項比較中,Google 的 Nano Banana 2.1 每 1,000 張圖像約為 $34,而 Nano Banana Pro 約為 $134。實際成本會因供應商、解析度與設定而異,因此這些數字不保證每位使用者實際支付的金額。
先前對 MAI Image 2 的測試發現,它的寫實度出色,但在編輯功能與輸出格式方面有令人挫折的限制。新版透過 Microsoft 的 Canvas 工作區新增互動式編輯、透明背景,以及透過 Foundry 擴大使用管道。這些功能或許能讓模型更實用,但圖像品質與產品是否好用仍是兩回事。來源也指出,該模型有相當嚴格的內容限制,可能影響使用者能創作的圖像類型。
Microsoft 也讓部分企業客戶能在 Azure 內自訂並執行取得授權的模型權重。這能降低對外部供應商的依賴,同時讓這項技術與開放原始碼模型有所區別。客戶可以在 Microsoft 的雲端環境中調整並操作這些系統,但取得授權並不代表模型以開放方式提供。
整體而言,Microsoft 的公告主張應該讓 AI 系統配合特定工作負載。MAI Code 2 已在 GitHub Copilot 上推出,而 Cyber 2 Flash 預計於 12 月中旬開始部署。這些模型在特定領域的報告結果令人期待,尤其是考量成本時;但結果仍受限於所採用的測試、模型版本與定價條件。對組織而言,實際問題不只是專用模型能否在基準測試中接近更大型競爭對手的分數,而是它能否可靠地完成所需工作、整合進現有流程,並在組織實際的使用條件下帶來成本節省。
重點整理表
| 面向 | 說明 |
|---|---|
| 程式編寫表現與成本 | Microsoft 表示,MAI Code 2 的程式編寫表現達到 Claude Opus 5.5 的 96%,成本則為其 5%;成本計算包含 50% 的促銷折扣。 |
| 其他程式編寫比較 | Microsoft 宣稱,該模型的表現達到 GPT-6.1 Sol 的 98%,價格則為其 40%。OpenAI 已於星期二推出 GPT-6.2,因此這項比較落後一個世代。 |
| 網路安全評估 | MAI Cyber 2 Flash 在 CyberGym-E2E 取得 92.3% 的分數,GPT-6 Astra 則為 91.5%;每項任務的成本不到其 2%。Microsoft 因可能與訓練資料重疊,排除了 905 項任務中的 92 項。 |
| 圖像編輯排行榜 | MAI Image 2.7 在 Artificial Analysis 的圖像編輯排行榜上以 1,215 分領先,GPT Image 2.6 Sunburst 為 1,211 分;兩者的不確定性範圍有所重疊。 |
| 圖像定價 | Microsoft 報價顯示,MAI Image 2.7 每 1,000 張圖像約為 $35,Flash 則為 $10。列出的比較價格包括 GPT Image 2.6 Sunburst 約 $211、Nano Banana 2.1 約 $34,以及 Nano Banana Pro 約 $134。 |
| 可用情況與限制 | Code 2 已在 GitHub Copilot 上推出。Cyber 2 Flash 預計於 12 月中旬開始向符合資格的 MDASH 客戶部署。Code 2 尚未針對基礎科學研究或長時間執行的自主任務進行最佳化。 |
最後編輯時間:2026/11/18
