Microsoft stawia na własne modele AI. MAI-Image-2.5-Pro i MAI-Voice-2-Flash tną koszty GPU nawet o 89%

Dwa nowe modele

• MAI-Image-2.5-Pro: Najbardziej zaawansowany model generowania obrazów Microsoftu, przeznaczony do profesjonalnych wizualizacji, szczegółowej edycji i precyzyjnego renderowania tekstu wewnątrz generowanych grafik . Cennik w Microsoft Foundry: 5 USD za 1 mln tokenów wejściowych tekstu, 8 USD za 1 mln tokenów wejściowych obrazu i 106 USD za 1 mln tokenów wyjściowych obrazu .
• MAI-Voice-2-Flash: Model zamiany tekstu na mowę (TTS) o niskim opóźnieniu, zoptymalizowany pod kątem szybkości i skalowania w aplikacjach obsługi klienta i komunikacji głosowej w czasie rzeczywistym . Microsoft twierdzi, że jest dwa razy szybszy i 32% bardziej opłacalny od standardowej wersji MAI-Voice-2 .

Oba modele trafiły do publicznej wersji preview 24 lipca za pośrednictwem platformy Microsoft Foundry .

Gdzie są wdrażane

Microsoft niezwłocznie integruje nowe modele z kilkoma flagowymi produktami :

• Bing Image Creator: Obecnie w 100% oparty na własnych rozwiązaniach – działa w całości na MAI-Image-2.5-Pro . Poprzednia wersja wciąż korzystała z modeli obrazowych OpenAI.
• PowerPoint: MAI-Image-2.5-Pro zastąpił model GPT-Image-2 od OpenAI jako domyślny silnik generowania obrazów .
• OneDrive: Model obrazowy jest teraz domyślnym narzędziem do tworzenia grafik AI .
• Dynamics 365 Contact Center: MAI-Voice-2-Flash napędza głosowe przepływy pracy w czasie rzeczywistym i obsługę klienta . Mustafa Suleyman, dyrektor generalny Microsoft AI, potwierdził integracje u klientów takich jak T-Mobile i EasyJet .
• Microsoft Foundry (Azure AI Foundry): Oba modele są dostępne dla deweloperów w publicznej wersji preview .

Microsoft podaje, że modele MAI są już wdrożone w ponad połowie jego produktów, a kolejne wymiany trwają w Excelu i Outlooku .

Oszczędności na kosztach GPU w porównaniu z modelami OpenAI

Microsoft podał konkretne wartości procentowe redukcji kosztów obliczeniowych GPU – chodzi o oszczędności na samej infrastrukturze inferencyjnej (sprzęt), a nie o różnice w cenach API .

Te redukcje są na tyle znaczące, że zmieniają jednostkową ekonomikę funkcji AI w pakiecie Office i chmurze Microsoftu.

Miejsce w rodzinie modeli MAI

Premiery z 24 lipca to wyspecjalizowane warianty w ramach szerszej, składającej się z siedmiu modeli rodziny MAI, ogłoszonej na konferencji Microsoft Build w czerwcu 2026 r. :

1. Rozumowanie (Reasoning): MAI-Thinking-1
2. Obraz (Image): MAI-Image-2.5, MAI-Image-2.5-Flash, a teraz MAI-Image-2.5-Pro
3. Głos / Mowa (Voice / Speech): MAI-Voice-1, MAI-Voice-2 i MAI-Voice-2-Flash
4. Transkrypcja (Transcription): MAI-Transcribe-1 / MAI-Transcribe-1.5
5. Kodowanie (Coding): MAI-Code-1-Flash

MAI-Image-2.5-Pro dodaje najwyższą półkę jakości obrazu, a MAI-Voice-2-Flash – wariant zoptymalizowany pod kątem szybkości dla zastosowań o dużym wolumenie i niskim opóźnieniu . Cała rodzina modeli jest trenowana na własnych akceleratorach AI Microsoftu – chipach Maia 200, bez destylacji z modeli firm trzecich, z deklarowaną 1,4-krotną przewagą efektywności dzięki współprojektowaniu sprzętu i oprogramowania .

Strategia: Uniezależnienie się od OpenAI i modeli zewnętrznych

Microsoft realizuje przemyślaną, wieloetapową strategię budowy pełnej samodzielności w zakresie AI :

• Zastąpienie modeli zewnętrznych własnymi: PowerPoint, Bing Image Creator i OneDrive przeszły z modeli obrazowych OpenAI na MAI-Image-2.5-Pro . Określa się to jako „niewielkie odejście od OpenAI”, które nabiera tempa .
• OpenAI pozostaje partnerem, ale nie jedynym dostawcą: Microsoft wciąż inwestuje w OpenAI, a Azure hostuje modele OpenAI, jednak firma nie jest już uzależniona od OpenAI w zakresie własnych produktów. Celem jest strategia multi-modelowa z konkurencyjnymi alternatywami .
• Kontrola kosztów jako dźwignia strategiczna: Redukcja kosztów GPU o 84–89% oznacza, że Microsoft może oferować konkurencyjne funkcje AI przy znacznie niższym koszcie na użytkownika, chroniąc swoje marże i wzmacniając pozycję negocjacyjną wobec wszystkich zewnętrznych dostawców modeli .
• Pełny, pionowy stos technologiczny: Własne chipy (Maia 200), własne modele (rodzina MAI), własna infrastruktura inferencyjna (Azure) i własne produkty (Office, Bing, Dynamics, Windows) .

Konsekwencje kosztowe, cenowe i kwestie samowystarczalności

• Eliminacja kosztów infrastruktury: Uruchamianie własnych modeli na chipach Maia 200 eliminuje marżę, którą Microsoft płacił zewnętrznym dostawcom za każde wywołanie modelu .
• Trwałe funkcje AI: Drastyczne obniżki kosztów GPU sugerują, że modele MAI są celowo projektowane pod konkretne zastosowania produktowe Microsoftu, a nie jako uniwersalne modele fundamentale. Dzięki temu funkcje AI w Office i Dynamics są bardziej odporne na zmiany cenowe ze strony OpenAI .
• Podsumowanie: Premiera z 24 lipca finalizuje wymianę modeli obrazowych i głosowych OpenAI w najpopularniejszych produktach konsumenckich i biznesowych Microsoftu, przy ułamku dotychczasowych kosztów GPU . Firma buduje niezależny, pionowo zintegrowany stos AI, który znacznie zmniejsza jej ekspozycję na jakąkolwiek pojedynczą zależność zewnętrzną.