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は2026年11月17日、年次イベント「Microsoft Ignite 2026」で、7つのAIモデルを発表した。GitHub Copilotでは同日から、複数のファイルにまたがるコードの修正に向くMAI Code 2と、コードの説明や部分的な修正に向く軽量版のMAI Code 2 Flashを利用できる。画像生成・編集には軽量版のMAI Image 2.7 Flashが加わった。音声対話向けのMAI Realtime 1は、相手の相づちや会話への割り込みにも対応する。
We urgently need secure, aligned, and contained frontier intelligence at a fraction of today’s prices. Here are the seven new models we’re launching at #MSIgnite: https://t.co/lgVe5jRW4M
— Microsoft AI (@MicrosoftAI) November 17, 2026
複数ファイルの変更にMAI Code 2、日々のコード修正にFlash
Microsoftは、リポジトリ全体を調べて不具合の原因を探ったり、複数のファイルにまたがるコードを修正したりする作業に向けて、MAI Code 2を開発した。コードの説明や特定箇所の書き換えなど、短い作業を何度も繰り返す場面にはMAI Code 2 Flashを用意した。
GitHub CopilotではPro、Pro+、Max、Business、Enterpriseの各プランで両モデルを選択でき、FlashはFreeとStudentでも使える。BusinessとEnterpriseでは、組織の管理者がCopilotのモデルポリシーで各モデルの利用を許可するかどうかを設定できる。Microsoft FoundryではFlashを限定プレビューで提供する。
Microsoftはコーディング評価で、モデルごとの課題達成率を比較した[1]。DeepSWEはソフトウェアの実装、Terminal-Benchは端末上の作業、SWE Atlasはコードに関する質問への回答やテスト作成などを評価する。
MAI Code 2については、4種類のベンチマークでGPT-6.1 Sol、Claude Opus 5.5と課題達成率を比較した。
| ベンチマーク | 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はCode 2の費用を通常の半額のプロモーション価格で試算した。4種類のベンチマークでの1課題当たりの平均費用は、Code 2が0.309ドル、GPT-6.1 Solが0.761ドル、Claude Opus 5.5が6.306ドルだった。
軽量版のMAI Code 2 Flashについては、3種類のベンチマークでGPT-6 Luna、Claude Haiku 5.5と課題達成率を比較した。
| ベンチマーク | 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% |
Flashの費用も、Microsoftは通常の半額のプロモーション価格で試算した。3種類のベンチマークでの1課題当たりの平均費用は、Flashが0.052ドル、GPT-6 Lunaが0.080ドル、Claude Haiku 5.5が0.319ドルだった。
Code 2 Flashは、Microsoftが業務アプリ向けに開発したMAI Work Flashのもとにもなった。MAI Work FlashはMicrosoft 365やFabric IQ向けのモデルで、すでにWordの本番環境で使われている。社内評価では、Teamsの会話から決定事項を拾う作業や、Power BIでデータを集計するためのDAXクエリの生成も試した。
MAI Image 2.7に画像生成を追加、軽量版のFlashも提供
MicrosoftはMAI Image 2.7の画像編集機能を10月に先行公開していた。今回はテキストからの画像生成にも対応し、大量の画像を扱う用途にはMAI Image 2.7 Flashが加わった。どちらも背景が透明な画像を作成できる。Microsoft Foundryでは両モデルをパブリックプレビューで提供しており、1,000枚当たりの料金はImage 2.7が約35ドル、Flashが約10ドルとなる。
Microsoftは、MAI Image 2.7 Flashを使った画像制作ツール「Canvas」も、同社のAIモデルを試せるサイト「MAI Labs」で公開した。Canvasでは、文章による指示やスケッチをもとに画像を作れる。そのまま編集したい部分を選び、位置や見た目を変えたり、別のものに置き換えたりできる。
Microsoftの画像生成サービス「Bing Image Creator」では、6月のMicrosoft Build以降、MAI Imageシリーズを標準モデルとして使っている。同サービスの利用は週平均14.7%のペースで増えているという。
Artificial Analysisの画像編集ベンチマーク「AA-Image-Editing v2.1」では、同じ指示で各モデルが編集した画像を評価者が見比べる。下表にMicrosoftが公表した11月16日時点の結果から主なモデルのスコアを抜粋した。
| モデル | Eloスコア[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、業務システムと連携できる音声対話モデル
MAI Realtime 1は、人の声を聞いて音声で応じるMicrosoft初のモデル。相手が話し終わるのを待てるほか、短い相づちや会話への割り込みにも対応する。開発者はRealtime 1を業務システムやツールと連携させ、会話で受けた依頼を処理する音声エージェントを作れる。
MAI Realtime 1はOpenAI Realtime APIと互換性があり、Microsoftによると、このAPIを使っている音声アプリでは利用するモデルをMAI Realtime 1に切り替えやすい。MAI Labsでは実際に音声でやり取りできる。
音声対話の基本料金は1分当たり0.01ドル。複雑な依頼に応じてより強力な推論エンジンを使う場合は、100万トークン当たり入力1ドル、出力5ドルが別途かかる。Microsoft Foundryでは限定プレビューの参加登録を受け付けている。参加者はパブリックプレビューが始まるまで無料で使える。
Microsoftは、顧客対応に使うDynamics 365 Contact Centerと医療支援製品のDragon CopilotにもMAI Realtime 1を組み込む計画を発表した。Dragon Copilotでは、看護師が患者役のAIと対話しながら診療時のやり取りを練習できるようにする。
Dragon Copilotには、医師と患者の会話を文字に起こすDragon Copilot Transcribeがすでに組み込まれている。この音声認識モデルはMAI Transcribe 2を基に開発され、月間1,000万件の診療で使われている。
判断モデルMicrosoft-Decision-1.1を一般提供、社内文書を検索するRetriever 1はプレビューに
Microsoftが一般提供を始めたMicrosoft-Decision-1.1は、開発者が用意した選択肢ごとに確率を返す。たとえば、開発者が振り分け先の候補に軽量モデルと大型モデルを指定すると、アプリは返された確率をもとに、どちらに処理を任せるか決められる。今回から、写真やスクリーンショットも入力できるようになった。
Microsoft Foundryでの同モデルの利用料金は、Global Standardの場合、入力100万トークン当たり0.042ドル。出力トークンは無料。OpenRouterとVercelでも利用できる。
- 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は、判断モデルの総合指標「Artificial Analysis Decision Index v2.1」を使い、前世代や他社のモデルと性能を比較した。この指標では、正しい答えを選べるか、その答えに対するモデルの確信度が実際の正答率に見合うかを評価する。
| モデル | 総合スコア(100点満点)[3] |
|---|---|
| Microsoft-Decision-1.1 | 68 |
| Jev 1.14 | 66 |
| Gemini Decision 1 | 66 |
| Microsoft-Decision-1 | 62 |
| GPT-6 Luna(Decisions) | 60 |
Microsoftは11月17日、エージェントが社内文書から回答の根拠を探すための検索モデルMicrosoft Retriever 1も発表した。利用者の質問から何を探せばよいかを読み取り、検索対象の文書で使われている言葉で検索クエリを組み立てる。
Retriever 1はFoundry IQ[4]でプレビュー提供されており、開発者は既存の検索インデックスを使って試せる。設定時には、利用するナレッジベースのモデル一覧にRetriever 1を追加する。検索時の推論設定を自動(auto)にすると、Retriever 1は最初の検索結果を確認し、もう一度検索するかどうかを決める。この設定では、外部の大型モデルに検索を引き継ぐかどうかもFoundry IQが自動で判断する。
Foundry IQの開発チームは、Retriever 1を使う場合と使わない場合を比較した。両方の構成で、推論設定にはautoを、外部モデルにはGPT-6.1 Solを指定した。Retriever 1を使った構成では、質問の80%で外部モデルを呼び出さずに検索を終えた。検索時間の中央値は、Retriever 1を使わない構成で4.46秒、使う構成で0.76秒だった。一方、回答に必要な事実のうち、検索で見つかった文書に含まれていた割合は、Retriever 1を使わない場合が69%、使う場合が64%だった。
脆弱性検査基盤Codename MDASHに、MAI Cyber 2 Flashを導入へ
Microsoftは11月17日、セキュリティ向けのMAI Cyber 2 Flashも発表した。脆弱性の発見や修正案の作成、脅威の調査に使うモデルで、一度に扱える情報量は100万トークン。前世代のMAI Cyber 1.1 Flashの4倍に増え、より広い範囲のコードを参照できる。同社によると、出力トークンの単価は前世代より86%低い。
MAI Cyber 2 Flashの提供先はMicrosoftのセキュリティ製品に限られる。導入先の一つに、同社のAutonomous Code SecurityチームがCodename MDASHの名で開発してきたコード検査システムがある。複数のAIモデルでコードを検査し、セキュリティ担当者が脆弱性を見つけて修正するのを助ける。
MicrosoftがMDASHを公表したのは5月12日。公表時点で社内のセキュリティチームがWindowsの検査に使っており、一部の顧客もプライベートプレビューで試していた。6月にはプレビューの対象を広げ、Microsoft Defenderとの連携を追加した。今回のIgniteでもプレビューの拡充を発表している。12月中旬からは、対象顧客のMDASH環境で、MAIプロファイルの検査に使うモデルが自動でMAI Cyber 2 Flashに切り替わる。
- MAI Cyber 2 Flash: Leading security. Lower cost - Microsoft AI
- Maintainers don’t need more AI bug reports. They need fixes. - The GitHub Blog
Codename MDASHで6つのオープンソースプロジェクトを検査
GitHubとMicrosoftは11月17日、オープンソースプロジェクトを対象にMDASHを試験運用した結果も公表した。AIが生成する脆弱性報告には重複や誤報も多く、その確認がメンテナーの負担になっている。そこで両社は、検査で見つかった脆弱性の候補を自ら選別し、検証した。
試験にはAutoGPT、Caddy、Express、FastMCP、ImageMagick、Nettyの6プロジェクトが参加した。いずれも、資金とセキュリティ研修を提供する「GitHub Secure Open Source Fund」の支援を受けていた。
両社は各メンテナーの同意を得て、これまでMDASHで使われてきたMAI Cyberで各プロジェクトのコードを調べた。その結果、9,791件の脆弱性候補が見つかった。GitHub Security Labは、候補の選別用にCopilotのスキルを調整したAIエージェントを使い、重複を除き、指摘の妥当性を確かめたうえで、影響が大きいとみられる候補にしぼった。Microsoftの研究者7人が、1プロジェクト当たり約2日をかけて残った候補を1件ずつ検証した。
両社は、確認した99件の脆弱性に修正案を添え、各プロジェクトのメンテナーに非公開で報告した。メンテナーはどの問題を修正するかを決め、11月15日までに55件を修正した。このうち14件の修正はリリース版にも反映されたという。
GitHubは、AIによる脆弱性検査の対象を、同基金の支援を受けたすべてのプロジェクトに広げる。対象は今回の発表時点で216プロジェクトにのぼり、GitHubは今後、同基金が新たに支援するプロジェクトにも検査を提供する予定。
MAI Licensed Weights、企業が独自データで調整したモデルを自社のAzure環境で運用へ
Microsoftは、企業が独自のデータで同社のモデルを調整できるMAI Licensed Weightsも発表した。同社のAI導入支援部門「Microsoft Frontier Company」[5]を通じて提供する予定で、利用企業は自社のAzure環境でモデルを動かせる。誰がモデルを使えるか、いつ新しい版に切り替えるかも企業側で決められる。利用企業が明示的に同意した場合に限り、Microsoftはその企業のデータや調整結果を自社モデルの学習に使う。
Microsoftによると、アラスカ航空は航空機の整備報告書を分類するためにMAI Code 2 Flashを調整した。分類の正答率は調整前の81.2%から91.1%に上がった。最終判断の責任は、引き続き資格を持つ担当者にある。
來源:gihyo.jp · gihyo.jp