Microsoft тихо меняет правила игры: собственные ИИ-модели MAI превосходят фронтальные аналоги по цене и качеству

• Небольшие модели для повседневных задач: Стратегия «диффузии» интеллекта заключается в обучении небольших внутренних моделей на данных конкретных продуктов до тех пор, пока они не сравняются по качеству с фронтальными моделями на типовых задачах, потребляя при этом лишь часть токенов .
• Метод «восхождения на холм»: Microsoft использует особый метод обучения. Он начинается с существующей контрольной точки модели (например, MAI-Code-1-Flash, уже дообученной в GitHub Copilot), а затем «восходит в гору», дообучая ее на конкретном наборе задач, например, в Excel, достигая производительности фронтального уровня в этой узкой области .
• Экономическое преимущество: Так как MAI-модели меньше и специализированы, каждый запрос к ним обходится значительно дешевле аренды моделей OpenAI или Anthropic. Наделла заявил, что семейство MAI «превосходит универсальные фронтальные модели во многих случаях использования, потребляя при этом лишь часть токенов» .

Реальные результаты: GitHub Copilot и Excel

GitHub Copilot:

Microsoft запустила модель MAI-Code-1-Flash в GitHub Copilot в июне 2026 года, и к концу июля миллионы разработчиков уже использовали её для повседневной работы . Модель была интегрирована в панель выбора моделей Copilot в VS Code и стала частью автоматического выбора по умолчанию .

Excel (Microsoft 365 Copilot):

Microsoft прямо заявила: «В нашем реальном продуктовом развертывании мы видим, что наша модель MAI, развернутая в Excel, сравнима с GPT-5.6 для наиболее распространенных задач, будучи при этом более экономически эффективной» .

Уже к 7 июля 2026 года Microsoft начала перенаправлять десятки тысяч ИИ-запросов в неделю из Excel и Outlook через собственные модели MAI. Это стало первым раскрытым переносом нагрузки Microsoft 365 Copilot с моделей OpenAI и Anthropic на собственные модели в промышленных масштабах .

Глобальный сдвиг: снижение зависимости от стороннего ИИ

На конференции Build 2026 (2 июня) Microsoft представила семь MAI-моделей, включая MAI-Thinking-1 (для рассуждений), MAI-Code-1-Flash (для кода), MAI-Image-2.5, MAI-Voice-2 и MAI-Transcribe-1.5 .

Наделла ясно дал понять, что Microsoft теперь направляет задачи в GitHub Copilot, Excel и Outlook на свои модели MAI всякий раз, когда они соответствуют или превосходят фронтальные альтернативы от OpenAI и Anthropic . Bloomberg назвал этот сдвиг «направленным и намеренным, а не экспериментальным» — Microsoft постепенно заменяет сторонние модели в офисных приложениях для снижения затрат и повышения контроля над данными .

В PowerPoint, как отметил Мустафа Сулейман, собственная модель изображений от Microsoft снизила затраты на 84% по сравнению с GPT-Image-2. В OneDrive это привело к увеличению сохранений на 26% и снижению задержки примерно на 25% .

Важное примечание: не развод, а стратегическая подушка безопасности

Это не полный разрыв с OpenAI. Microsoft остается основным облачным партнером OpenAI и в апреле 2026 года внесла изменения в соглашение для поддержания этих отношений . Этот шаг правильнее рассматривать как стратегическую страховку: развивать собственный интеллект, продолжая продавать модели конкурентов в Azure .

Модели OpenAI и Anthropic по-прежнему обрабатывают большую часть трафика Copilot. Пока что перевод на модели MAI происходит постепенно и фокусируется на высоконагруженных, но низкосложных задачах, где экономия наиболее ощутима .

Суть

Стратегия Microsoft «Frontier Diffusion and Control» представляет собой фундаментальное переосмысление развертывания ИИ: вместо того чтобы ставить все на одну фронтальную модель, компания оптимизирует «стоимость-результат», подбирая правильную модель для каждой задачи. Реальные результаты в Excel, GitHub Copilot и Outlook показывают, что этот подход уже оправдывает обещания производительности на уровне фронтальных моделей при радикально более низкой стоимости.