Microsofts neue Eigenbau-KI: MAI-Image-2.5-Pro und MAI-Voice-2-Flash sparen bis zu 89 % GPU-Kosten im Vergleich zu OpenAI

Die beiden neuen Modelle im Detail

• MAI-Image-2.5-Pro: Das bislang leistungsfähigste Bildgenerierungsmodell von Microsoft. Es ist für professionelle visuelle Inhalte, präzise Bildbearbeitung und die Darstellung von Text in generierten Bildern optimiert . Die Preise über Microsoft Foundry liegen bei 5 US-Dollar pro 1 Million Texteingabe-Token, 8 US-Dollar pro 1 Million Bildeingabe-Token und 106 US-Dollar pro 1 Million Bildausgabe-Token .
• MAI-Voice-2-Flash: Ein Text-zu-Sprache-Modell mit niedriger Latenz, das speziell für Geschwindigkeit und Skalierbarkeit in Kundencenter- und Echtzeit-Sprachsystemen entwickelt wurde . Laut Microsoft ist es doppelt so schnell und 32 % kosteneffizienter als die Standardversion MAI-Voice-2 .

Beide Modelle sind seit dem 24. Juli in der öffentlichen Vorschau über Microsoft Foundry verfügbar .

Einsatzbereiche: Wo die neuen Modelle laufen

Microsoft rollt die neuen Modelle umgehend in mehrere seiner Flaggschiff-Produkte aus :

• Bing Image Creator: Arbeitet jetzt zu 100 % mit eigener Technologie und nutzt durchgängig MAI-Image-2.5-Pro . Die Vorgängerversion war noch auf OpenAI-Bildmodelle angewiesen.
• PowerPoint: MAI-Image-2.5-Pro hat OpenAIs GPT-Image-2 als Standard-Bildgenerierungsengine abgelöst .
• OneDrive: Auch hier ist das Bildmodell nun das Standardwerkzeug für KI-generierte Bilder .
• Dynamics 365 Contact Center: MAI-Voice-2-Flash steuert Echtzeit-Sprach- und Kundencenter-Workflows . Microsoft-KI-CEO Mustafa Suleyman verwies auf Integrationen bei Kunden wie T-Mobile und EasyJet .
• Microsoft Foundry (Azure AI Foundry): Entwickler können beide Modelle in der öffentlichen Vorschau nutzen .

Microsoft gibt an, dass MAI-Modelle mittlerweile in mehr als der Hälfte aller Produkte des Konzerns eingesetzt werden. Weitere Ablösungen in Excel und Outlook sind in Vorbereitung .

GPU-Kosteneinsparungen im Vergleich zu OpenAI

Microsoft hat konkrete Zahlen zu den GPU-Computing-Kosten genannt – gemeint sind die Einsparungen auf der Infrastrukturebene, wenn das Unternehmen seine eigenen Modelle betreibt, statt die von OpenAI zu lizenzieren oder zu hosten :

Diese Einsparungen sind so signifikant, dass sie die Economic-Einheit von KI-Funktionen in der Office- und Cloud-Suite grundlegend verändern.

Einordnung in die MAI-Modellfamilie

Die Neuveröffentlichungen vom 24. Juli sind spezialisierte Varianten innerhalb einer sieben Modelle umfassenden MAI-Familie, die Microsoft auf der Build 2026 im Juni vorgestellt hatte :

1. Reasoning: MAI-Thinking-1
2. Bild: MAI-Image-2.5, MAI-Image-2.5-Flash und jetzt MAI-Image-2.5-Pro
3. Sprache / Sprachausgabe: MAI-Voice-1, MAI-Voice-2, MAI-Voice-2-Flash
4. Transkription: MAI-Transcribe-1 / MAI-Transcribe-1.5
5. Code: MAI-Code-1-Flash

MAI-Image-2.5-Pro bietet eine Premium-Stufe für maximale Bildqualität, während MAI-Voice-2-Flash eine auf Geschwindigkeit optimierte Variante für hochvolumige Sprachsysteme ist . Die gesamte Familie wird auf Microsofts eigenen Maia-200-Beschleunigern trainiert – ohne Destillation aus Drittmodellen – mit einem behaupteten Effizienzvorteil von 1,4x durch das abgestimmte Hardware-Software-Design .

Die Strategie: Weniger Abhängigkeit von OpenAI

Microsoft verfolgt eine bewusste Mehr-Phasen-Strategie, um bei KI vollständig autark zu werden :

• Drittmodelle durch Eigenentwicklungen ersetzen: PowerPoint, Bing Image Creator und OneDrive haben alle von OpenAIs Bildmodellen auf MAI-Image-2.5-Pro umgestellt . Dies wird als „kleiner Schritt weg von OpenAI" beschrieben, der sich beschleunigt .
• OpenAI als Partner, nicht als Alleinlieferant: Microsoft bleibt Investor in OpenAI und hostet OpenAI-Modelle in Azure. Das Unternehmen ist aber nicht mehr auf OpenAI für seine eigenen Produkte angewiesen. Das Ziel ist eine Multi-Modell-Strategie mit wettbewerbsfähigen Alternativen .
• Kostenkontrolle als strategisches Druckmittel: Die GPU-Kostensenkungen von 84 bis 89 % bedeuten, dass Microsoft KI-Funktionen zu weit niedrigeren Kosten pro Nutzer anbieten kann. Das schützt die Margen und stärkt die Verhandlungsposition gegenüber allen externen Modellanbietern .
• Vertikale Integration: Eigene Chips (Maia 200), eigene Modelle (MAI-Familie), eigene Inferenz-Infrastruktur (Azure) und eigene Produkte (Office, Bing, Dynamics, Windows) .

Kosten, Preise und Konsequenzen für die Autarkie

• Wegfall der Infrastrukturkosten: Der Betrieb eigener Modelle auf Maia-200-Chips eliminiert die Marge, die bisher an Drittanbieter für jede Inferenz gezahlt wurde .
• Nachhaltige KI-Funktionen: Die drastischen GPU-Kosteneinsparungen deuten darauf hin, dass die MAI-Modelle gezielt auf Microsofts spezifische Produktanwendungen zugeschnitten sind – keine universellen Foundation-Modelle. Das macht KI-Funktionen in Office und Dynamics unabhängiger von OpenAIs Preispolitik .
• Fazit: Der Launch vom 24. Juli schließt die Ablösung von OpenAIs Bild- und Sprachmodellen in den volumenstärksten Microsoft-Produkten ab – zu einem Bruchteil der GPU-Kosten . Microsoft baut einen eigenen, vertikal integrierten KI-Stack, der das Unternehmen weit weniger anfällig für externe Abhängigkeiten macht.