Microsoft 發佈 7 款 AI 模型,Codename MDASH 在 6 個開源項目確認 99 項漏洞並提交修正方案
Microsoft、コーディング向けMAI Code 2、画像生成・編集のMAI Image 2.7、音声対話のMAI Realtime 1など7つのAIモデルを発表 ——GitHubとともにCodename MDASHでオープンソースのコードを検査し、脆弱性99件を修正案とともに報告
Microsoft 在 Microsoft Ignite 2026 發佈 7 款 AI 模型,涵蓋編碼、圖像、語音、決策、檢索及安全用途。MAI Code 2 和 MAI Code 2 Flash 已可在 GitHub Copilot 使用;MAI Image 2.7 支援文字生成及編輯,MAI Realtime 1 支援語音對話。
七款模型涵蓋編碼、圖像、語音、檢索與安全用途,文章亦列出基準、費用和部署案例,可比較不同模型的定位與應用場景。
Microsoft於2026年11月17日在年度活動「Microsoft Ignite 2026」上發佈7款AI模型。GitHub Copilot由同日起提供MAI Code 2,適合修改分散於多個檔案的程式碼;亦提供輕量版MAI Code 2 Flash,適合解釋程式碼或作局部修改。圖片生成及編輯方面則新增輕量版MAI Image 2.7 Flash。供語音對話使用的MAI Realtime 1亦能回應對方的簡短附和,並在對話中插話。
我們迫切需要安全、對齊且受控的前沿智能,價格只需現時的一小部分。 以下是我們在 #MSIgnite 推出的七款新模型:https://t.co/lgVe5jRW4M
— Microsoft AI (@MicrosoftAI) November 17, 2026
以MAI Code 2修改多個檔案,以Flash修正日常程式碼
Microsoft開發MAI Code 2,供需要檢查整個程式碼儲存庫以尋找錯誤成因,或修改分散於多個檔案的程式碼等工作使用。至於解釋程式碼或重寫特定部分等需要反覆進行的短任務,則可使用MAI Code 2 Flash。
GitHub Copilot的Pro、Pro+、Max、Business及Enterprise方案均可選用兩款模型;Flash亦可供Free和Student用戶使用。在Business和Enterprise方案中,機構管理員可透過Copilot的模型政策設定是否允許使用各款模型。Microsoft Foundry則以限定預覽形式提供Flash。
Microsoft在編碼評測中比較了各模型的任務成功率[1]。DeepSWE評估軟件實作能力,Terminal-Bench評估在終端機上的工作表現,而SWE Atlas則評估回答程式碼相關問題、編寫測試等能力。
Microsoft比較了MAI Code 2與GPT-6.1 Sol、Claude Opus 5.5在4項基準測試中的任務成功率。
| 基準測試 | MAI Code 2 | GPT-6.1 Sol | Claude Opus 5.5 |
|---|---|---|---|
| DeepSWE 1.1 | 73.2% | 74.6% | 69.0% |
| Terminal-Bench 2.1 | 84.6% | 85.0% | 78.7% |
| SWE Atlas | 43.1% | 47.4% | 57.5% |
| FrontierCode v1.1 | 52.0% | 49.4% | 56.0% |
Microsoft以半價推廣價格估算Code 2的費用。在4項基準測試中,每項任務的平均費用為:Code 2 0.309美元、GPT-6.1 Sol 0.761美元、Claude Opus 5.5 6.306美元。
至於輕量版MAI Code 2 Flash,Microsoft比較了它與GPT-6 Luna、Claude Haiku 5.5在3項基準測試中的任務成功率。
| 基準測試 | MAI Code 2 Flash | GPT-6 Luna | Claude Haiku 5.5 |
|---|---|---|---|
| DeepSWE 1.1 | 59.9% | 59.6% | 46.0% |
| Terminal-Bench 2.1 | 78.3% | 69.3% | 73.4% |
| SWE Atlas | 44.8% | 36.4% | 42.1% |
Microsoft同樣以半價推廣價格估算Flash的費用。在3項基準測試中,每項任務的平均費用為:Flash 0.052美元、GPT-6 Luna 0.080美元、Claude Haiku 5.5 0.319美元。
Code 2 Flash亦是Microsoft為業務應用程式開發的MAI Work Flash的基礎。MAI Work Flash是面向Microsoft 365和Fabric IQ的模型,目前已在Word的正式環境中使用。Microsoft亦在內部評估中測試了從Teams對話中提取決定事項,以及生成用於Power BI數據彙總的DAX查詢。
MAI Image 2.7加入圖片生成,並推出輕量版Flash
Microsoft於10月率先公開MAI Image 2.7的圖片編輯功能。今次亦加入文字生成圖片功能,並推出MAI Image 2.7 Flash,供需要處理大量圖片的用途使用。兩款模型都能製作透明背景的圖片。Microsoft Foundry以公開預覽形式提供兩款模型,每1,000張圖片的費用分別約為35美元(Image 2.7)及10美元(Flash)。
Microsoft亦在其AI模型試用網站「MAI Labs」上公開了以MAI Image 2.7 Flash製作圖片的工具「Canvas」。用戶可在Canvas透過文字指示或草圖製作圖片,再選取要編輯的部分,調整位置或外觀,亦可將其替換成其他內容。
Microsoft的圖片生成服務「Bing Image Creator」自6月Microsoft Build後一直以MAI Image系列作為預設模型。據稱,該服務的使用量每星期平均增加14.7%。
在Artificial Analysis的圖片編輯基準測試「AA-Image-Editing v2.1」中,評審會對照評估各模型根據相同指示編輯的圖片。下表摘錄了Microsoft公佈截至11月16日的結果中主要模型的分數。
| 模型 | Elo分數[2] |
|---|---|
| MAI Image 2.7 | 1215 |
| GPT Image 2.6 Sunburst(max) | 1211 |
| GPT Image 2.6 Flare(max) | 1205 |
| MAI Image 2.7 Flash | 1179 |
| Nano Banana 2.1 | 1152 |
| MAI Image 2.6 | 1150 |
| MAI Image 2.6 Flash | 1145 |
MAI Realtime 1,可連接業務系統的語音對話模型
MAI Realtime 1是Microsoft首款能聆聽人聲並以語音回應的模型。它除了能等待對方説完,亦能作出簡短附和及在對話中插話。開發者可將MAI Realtime 1連接至業務系統及工具,製作能處理對話中收到的要求的語音 Agent。
MAI Realtime 1兼容OpenAI Realtime API。Microsoft表示,使用這個API的語音應用程式可輕易改用MAI Realtime 1作為模型。用戶可在MAI Labs實際進行語音對話。
語音對話的基本費用為每分鐘0.01美元。如需因應複雜要求使用更強大的推理引擎,則另收每100萬個Token輸入1美元、輸出5美元。Microsoft Foundry現正接受限定預覽的參加申請。參加者可免費使用,直至公開預覽開始。
Microsoft 宣佈計劃把 MAI Realtime 1 整合至用於客戶支援的 Dynamics 365 Contact Center,以及醫療支援產品 Dragon Copilot。透過 Dragon Copilot,護士可與扮演病人的 AI 對話,練習診症時的交流。
Dragon Copilot 已整合可將醫生與病人對話轉錄成文字的 Dragon Copilot Transcribe。這個語音辨識模型以 MAI Transcribe 2 為基礎開發,每月用於1,000萬次診症。
決策模型 Microsoft-Decision-1.1 正式推出,搜尋內部文件的 Retriever 1 開放預覽
Microsoft 正式推出 Microsoft-Decision-1.1。模型會為開發者提供的每個選項回傳機率。例如,開發者可將輕量模型和大型模型設為候選處理模型,應用程式便可根據回傳的機率,決定交由哪個模型處理。今次更新亦加入了照片和螢幕截圖輸入功能。
在 Microsoft Foundry 使用此模型,Global Standard 的收費為每100萬個輸入 Token 0.042美元;輸出 Token 免費。OpenRouter 和 Vercel 亦提供此模型。
- Microsoft-Decision-1.1 is now generally available for fast, low-cost decision making - Command Line
- Microsoft Retriever 1 brings sub-second agentic retrieval to Foundry IQ - Microsoft Community Hub
Microsoft 使用決策模型綜合指標「Artificial Analysis Decision Index v2.1」比較前代及其他公司的模型表現。此指標會評估模型能否選出正確答案,以及模型對答案的信心程度是否符合實際答對率。
| 模型 | 綜合評分(滿分100分)[3] |
|---|---|
| Microsoft-Decision-1.1 | 68 |
| Jev 1.14 | 66 |
| Gemini Decision 1 | 66 |
| Microsoft-Decision-1 | 62 |
| GPT-6 Luna(Decisions) | 60 |
Microsoft 於11月17日亦公佈搜尋模型 Microsoft Retriever 1,讓 Agent 從內部文件搜尋回答問題的依據。模型會根據用戶的問題判斷需要搜尋甚麼,並以搜尋文件所用的詞語組成搜尋查詢。
Retriever 1 現於 Foundry IQ[4]開放預覽,開發者可使用現有搜尋索引試用。設定時,開發者須在所用知識庫的模型清單中加入 Retriever 1。搜尋時若將推理設定設為自動(auto),Retriever 1 會先查看首次搜尋結果,再決定是否再次搜尋。在此設定下,Foundry IQ 亦會自動判斷是否將搜尋工作交由外部大型模型處理。
Foundry IQ 開發團隊比較了使用和不使用 Retriever 1 的配置。兩種配置均將推理設定設為 auto,並指定 GPT-6.1 Sol 為外部模型。使用 Retriever 1 的配置中,80%的問題毋須呼叫外部模型便完成搜尋。搜尋時間中位數方面,不使用 Retriever 1 的配置為4.46秒,使用時則為0.76秒。另一方面,回答所需的事實中,搜尋找到的文件所包含的比例,不使用 Retriever 1 時為69%,使用時則為64%。
漏洞檢測平台 Codename MDASH,將導入 MAI Cyber 2 Flash
Microsoft 於11月17日亦公佈安全模型 MAI Cyber 2 Flash。此模型可用於發現漏洞、編寫修補建議及調查威脅,單次可處理多達100萬個 Token。其處理量是前代 MAI Cyber 1.1 Flash 的4倍,可參照範圍更廣的程式碼。Microsoft 表示,其輸出 Token 單價較前代低86%。
MAI Cyber 2 Flash 只會用於 Microsoft 的安全產品。其中一個導入項目,是該公司的 Autonomous Code Security 團隊以Codename MDASH為名開發的程式碼檢查系統。系統會使用多個 AI 模型檢查程式碼,協助安全人員發現並修補漏洞。
Microsoft 於5月12日公佈 MDASH。公佈時,Microsoft 內部安全團隊已用它檢查 Windows,部分客戶亦已透過私人預覽試用。6月,Microsoft擴大預覽範圍,並加入與 Microsoft Defender 的整合。今次 Ignite 亦宣佈擴大預覽。由12月中旬起,符合資格客戶的 MDASH 環境中,用於檢查 MAI 設定檔的模型會自動切換至 MAI Cyber 2 Flash。
- MAI Cyber 2 Flash: Leading security. Lower cost - Microsoft AI
- Maintainers don’t need more AI bug reports. They need fixes. - The GitHub Blog
使用 Codename MDASH 檢查6個開源項目
GitHub 和 Microsoft 於11月17日亦公佈使用 MDASH 檢查開源項目的試驗結果。AI 生成的漏洞報告往往有重複或誤報,核查工作增加了維護者的負擔。因此,兩家公司自行篩選並驗證檢查發現的漏洞候選項。
參與試驗的6個項目為 AutoGPT、Caddy、Express、FastMCP、ImageMagick 和 Netty。這些項目均獲「GitHub Secure Open Source Fund」支援,該基金會提供資金和安全培訓。
兩家公司取得各項目維護者同意後,使用過往在 MDASH 中採用的 MAI Cyber 檢查各項目的程式碼,結果找出9,791個漏洞候選項。GitHub Security Lab 使用經調整的 Copilot 技能來篩選候選項的 AI Agent,剔除重複項目、核實指控是否成立,再篩選出估計影響較大的候選項。7名 Microsoft 研究人員每個項目花約2日,逐一驗證餘下的候選項。
兩家公司為確認的99個漏洞附上修補建議,並私下向各項目的維護者報告。維護者決定要修補哪些問題,並在11月15日前修補了55個;據稱其中14項修補亦已納入發佈版本。
GitHub 將把 AI 漏洞檢查擴展至所有獲該基金支援的項目。公佈時,合資格項目共有216個;GitHub 計劃日後亦為該基金新支援的項目提供檢查。
MAI Licensed Weights,企業將可在自家 Azure 環境運行以自有數據微調的模型
Microsoft 亦公佈了 MAI Licensed Weights,讓企業使用自家數據微調 Microsoft 的模型。該服務預計會透過 Microsoft 的 AI 部署支援部門「Microsoft Frontier Company」[5]提供,使用企業可在自家的 Azure 環境中執行模型。企業亦可自行決定哪些人可以使用模型,以及何時切換至新版本。只有在使用企業明確同意的情況下,Microsoft 才會使用該企業的數據或微調結果訓練自家模型。
Microsoft 表示,阿拉斯加航空曾微調 MAI Code 2 Flash,用於分類飛機維修報告。分類準確率由微調前的 81.2%升至 91.1%。最終判斷的責任仍由合資格的工作人員承擔。
來源:gihyo.jp · gihyo.jp