Microsoft Build 2026 MAI 主題演講實錄:宣佈七款新模型及與 Mayo Clinic 合作開發醫療模型
Microsoft Build 2026: MAI keynote transcript
Microsoft 在 Build 2026 的 MAI 主題演講中宣佈推出七款涵蓋圖像、語音、轉錄、推理及編碼的新模型。
演講將模型基準、產品整合和權重調校渠道並列,呈現 Microsoft 從模型發布延伸至企業定製的產品路徑。
自我開始投身 AI 以來,訓練前沿模型所用的運算量已增加一萬億倍。短短 15 年,增幅達 12 個數量級。
如今很清楚,運算能力持續以指數速度增長,會帶來可預測的 AI 能力進步。
未來幾年,我們還會為前沿模型增加 3 個數量級的運算能力。
智能如今取決於運算能力。按對數線性規律逐步攀升已成常態。規模定律仍然成立。這確實是非凡的時代。
在這個背景下,我們 MAI 正朝着所謂的「人本超級智能」邁進。
打造最先進的 AI 能力,明確以服務人和機構為目標,而不是取代他們。
因為我們打造哪一種 AI,確實非常重要。我們需要把人類放在首位的 AI。
始終以人類福祉和進步為優先。
這是 Microsoft 超級智能工作的核心理念和動力,亦塑造了我們所做的一切。
作為平台公司,我們的工作和承諾,是讓各位開發者持續在最前沿建構產品。
今天,我們很高興宣佈推出涵蓋圖像、語音、轉錄、推理和程式設計的全新模型系列,合共七款。
所有模型都經過細緻打造,致力提供實用、高效的工具,配合你在真實世界中的工作方式。
首先是 MAI-Image-2.5 及其 Flash 版本,兩款強大模型的品質均有重大躍升,目前在排行榜上位列第 2,圖像編輯分數超越 Nano Banana 21
兩款模型都能精確編輯,控制力和一致性亦出色。
Flash 適用於大規模、高效率的生產工作負載;2.5 則提供最高保真度和專業級效能。
它們已在 PowerPoint 上線,正逐步推出至 OneDrive2;今天亦會登陸 Foundry,以領先市場的每美元品質提供服務。3
接着是 MAI-Transcribe-1.5。這是全球最佳轉錄模型,在 43 種語言的準確度均達到最先進水平,勝過 Gemini 和 OpenAI 模型。4
我們已針對實際用途進行最佳化,處理自訂用途時,生成高準確度轉錄的速度比競爭模型快至 5x。6
它現正整合至 Copilot、Teams、GitHub 和 Dynamics 365 Contact Centre,亦已在 Foundry 提供;在超大規模雲端服務商中,它是速度最快、效率最高、最具成本效益的轉錄模型。5
配合推出的還有最新語音生成模型 MAI-Voice-2。
它的語調自然優美、表達聽來自然,並能細緻控制情感;目前支援 15 種語言,稍後還會加入更多。
我們亦宣佈推出 Voice-2-Flash,為對延遲極為敏感的語音代理提供最佳性價比和速度;語音代理是 2026 年的重要趨勢。
接下來是文本基礎模型 MAI-Thinking-1,也是我們首個推理模型。7它在我們鎖定的推理和 SWE 任務用途上表現特別出色。
它是一款具備 35B 活躍參數、上下文視窗為 256K 的混合專家模型(MoE)。這代表它屬於中型權重級別,表現卻遠超其規模。
在 Surge 的盲測並排比較中,獨立人類評審認為它的整體品質勝過 Sonnet 4.6。
它在 AIME 25 取得 97%,這是衡量通用推理能力的重要指標。9
更重要的是,它在 SWE Bench Pro 取得 53%,與 Opus 4.6 並列最艱難程式設計基準測試的同級水平。8
要讓模型投入正式環境,我們還有大量工作要做,藉此在更多真實世界程式設計任務上逐步提升表現。
最令人讚嘆的是,模型的進步完全由低起點逐步取得,既沒有針對任何這些基準測試進行特別訓練,也完全沒有蒸餾。
這點至關重要,因為模型使用企業級、乾淨且具商業授權的數據訓練,數據來源清晰可信,讓你可以放心投入正式環境。
最後,我非常高興宣佈推出 MAI-Code-1-Flash,這款全新的高推論效率程式設計模型,特別針對 VS Code 和 GitHub Copilot CLI 調校。
Code-1-Flash 雖然只有 5B 參數,仍在 SWE Bench Pro 取得 51%10。它的規模接近 Haiku,成本卻更低11,同時提供強勁程式設計表現和出色推論效率。今天起,它會成為 VS Code 的預設模型之一。12
除了在 Foundry 發布並為我們的 1P 產品進行最佳化外,開發者亦可透過 Open Router、Fireworks 和 Baseten 廣泛使用我們的模型。13這表示你首次可以直接自行微調模型權重。
整個模型系列從一開始便內置安全和保安機制。
語音模型具備防止未經授權複製聲音的保護措施,所有輸出亦會加上浮水印。
我們減少了過度拒絕的情況,並改善模型的代表性,包括對殘疾人士的呈現。
配合這次發布,我們亦會公佈詳細技術報告,全面而透明地説明整個建構過程。
我們亦以自家晶片共同設計模型,並在 Maia 200 晶片上最佳化 MAI-Thinking-1,再與 GB200 進行直接比較。
除了 Satya 剛才提及的 30% 提升外,端到端地在 Maia 200 上運行 MAI 模型,效能每瓦還可進一步提升 1.4x。這是非常顯著的進步。
在這種規模下,每一瓦都很重要;晶片與模型協同設計是關鍵優勢,有助我們提供最高效的推理及程式設計代理。我們亦非常期待把這些更快、更高效的 MAI 模型帶到 Satya 提及的 N1X,為 Windows 提供最佳效能。
這就是擁有完整技術堆疊的成果。
這亦是 Microsoft Frontier Tuning 的基礎。
讓你使用我們的完整技術堆疊逐步提升機制,自訂 MAI 模型。
這代表嚴謹而持續不懈的工程投入,建基於可信賴的平台,為你打造由你掌控的自訂代理。
當然,過去一年最重大的發展是 RLE,即強化學習環境,也就是專為 AI 打造、獨特的訓練場。
它們以 MAI 模型為基礎,建立針對個別公司和任務調整、只為你服務的代理。
例如,在 Microsoft 內部,我們使用 RLE 和 MAI 模型,逐步打造最適合 Excel 的代理式應用案例。
經 MAI 調校的模型在公開和私人基準測試中可媲美 GPT 5.4,效率則最高提升 10X。14
其他早期採用者亦取得相似成果。
我們針對 McKinsey 的任務調校模型後,MAI 取得最高勝率,品質勝過 GPT-5.5,成本則降低至十分之一。
這就是精心校準的 Frontier Tuning 帶來的優勢。
與其他部分公司不同,使用 MAI 時,你毋須向他人共享的模型租用智能,也不用擔心模型向所有人學習。
你辛苦累積的工作流程、專業知識、數據和機構知識,只有你自己能保留其成果。
只有你能掌控最終模型。因此,與我們合作時,你在 RLE 中建立的環境和模型都會成為你的競爭壁壘。
這與眾不同,標誌着 AI 新時代的來臨。
最後還有一項我非常期待的宣佈。
我們正把模型客製化和共同創作推向最高層次,聚焦 AI 最重要的應用領域之一:醫療保健。
我們很榮幸與 Mayo Clinic 合作,共同開發全新的醫療前沿模型,並部署於其世界級醫院系統。
今天標誌着 Microsoft 邁向人本超級智能的重要新進展。
我們帶來七款非凡的世界級新模型,讓大家持續站在技術前沿。
我們期待與大家合作,共同打造獨特、按你需要調整的 AI 代理。
這是屬於大家的新時代。
這是由你按自己的方式掌控的 AI 時代。
讓我們一起建構未來。
感謝各位。
來源:Microsoft AI:官方博客 · microsoft.ai