跳到正文
gihyo.jp·· 1 天前精選AI 評分78

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

AI 導讀

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。

推薦理由

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。

正文 · 繁體中文

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 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。

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