Microsofts nya AI-modeller: MAI-Image-2.5-Pro och MAI-Voice-2-Flash sänker GPU-kostnaderna dramatiskt

De två nya modellerna

• MAI-Image-2.5-Pro: Microsofts hittills mest detaljerade bildgenereringsmodell, framtagen för professionella bilder, avancerad redigering och exakt textåtergivning i genererade bilder . Den prissätts via Microsoft Foundry till $5 per 1M text-tokens, $8 per 1M bild-tokens och $106 per 1M bildutdatatokens .
• MAI-Voice-2-Flash: En text-till-tal-modell optimerad för låg latens och hög volym i kundtjänst- och realtidsapplikationer . Microsoft uppger att den är dubbelt så snabb och 32 procent mer kostnadseffektiv än standardversionen MAI-Voice-2 .

Båda modellerna finns nu i publik förhandsvisning via Microsoft Foundry .

Var används modellerna?

Microsoft rullar ut de nya modellerna i flera av sina flaggskeppsprodukter :

• Bing Image Creator: Drivs nu helt av MAI-Image-2.5-Pro, från början till slut . Tidigare användes OpenAI:s bildmodeller.
• PowerPoint: MAI-Image-2.5-Pro har ersatt OpenAI:s GPT-Image-2 som standardmotor för bildgenerering .
• OneDrive: Bildmodellen är nu standard för AI-genererade bilder .
• Dynamics 365 Contact Center: MAI-Voice-2-Flash används för röststyrda kundtjänstflöden i realtid . Microsofts AI-chef Mustafa Suleyman har bekräftat integrationer hos kunder som T-Mobile och EasyJet .
• Microsoft Foundry (Azure AI Foundry): Båda modellerna är tillgängliga för utvecklare i publik förhandsvisning .

Microsoft uppger att MAI-modeller nu används i mer än hälften av företagets produkter, med ytterligare ersättningar på gång i Excel och Outlook .

GPU-kostnadsminskningar jämfört med OpenAI

Microsoft har redovisat specifika procentsatser för GPU-besparingar – det handlar alltså om minskade kostnader för inferensinfrastruktur när man kör egna modeller istället för att licensiera eller vara OpenAI:s modeller :

Dessa besparingar är tillräckligt stora för att förändra Microsofts enhetsekonomi för AI-funktioner i hela Office- och molnsviten.

Hur modellerna passar in i MAI-familjen

Lanseringen den 24 juli är specialiserade varianter inom en bredare MAI-familj med sju modeller som presenterades på Microsoft Build i juni 2026 :

1. Resonemang: MAI-Thinking-1
2. Bild: MAI-Image-2.5, MAI-Image-2.5-Flash och nu MAI-Image-2.5-Pro
3. Röst/Tal: MAI-Voice-1, MAI-Voice-2 och MAI-Voice-2-Flash
4. Transkribering: MAI-Transcribe-1 / MAI-Transcribe-1.5
5. Kodning: MAI-Code-1-Flash

MAI-Image-2.5-Pro lägger till en premiumnivå för maximal bildkvalitet, medan MAI-Voice-2-Flash är en hastighetsoptimerad variant för höga volymer och låg latens . Hela modellfamiljen tränas på Microsofts egna Maia 200-acceleratorer utan destillering från tredjepartsmodeller, med en påstådd 1,4x effektivitetsfördel tack vare hårdvaru- och mjukvarudesignen .

Strategi: Minska beroendet av OpenAI

Microsoft genomför en strategi i flera steg för att bli helt självförsörjande inom AI :

• Ersätt tredjepartsmodeller med egna: PowerPoint, Bing Image Creator och OneDrive har alla bytt från OpenAI:s bildmodeller till MAI-Image-2.5-Pro . Detta beskrivs som en ”liten förskjutning bort från OpenAI” som accelererar .
• Behåll OpenAI som partner, inte ensam leverantör: Microsoft är fortfarande investerare i OpenAI och Azure är värd för OpenAI:s modeller, men företaget är inte längre beroende av OpenAI för sina egna produkter. Målet är en multi-modellstrategi med konkurrenskraftiga alternativ .
• Kostnadskontroll som strategisk hävstång: GPU-besparingarna på 84–89 procent gör att Microsoft kan erbjuda konkurrenskraftiga AI-funktioner till en mycket lägre kostnad per användare, vilket skyddar marginalerna och stärker förhandlingspositionen mot alla externa modellleverantörer .
• Bygg en vertikalt integrerad stack: Egna chips (Maia 200), egna modeller (MAI-familjen), egen inferensinfrastruktur (Azure) och egen produktportfölj (Office, Bing, Dynamics, Windows) .

Kostnader och prissättning

• Infrastrukturkostnader elimineras: Att köra egna modeller på Maia 200-chips eliminerar den marginal som tidigare betalats till tredjepartsleverantörer för varje inferens .
• Hållbara AI-funktioner: De dramatiska GPU-besparingarna tyder på att MAI-modellerna är specialbyggda för Microsofts specifika produktbehov snarare än att vara generella basmodeller, vilket gör AI-funktionerna i Office och Dynamics mer motståndskraftiga mot OpenAI:s prisändringar .
• Slutsats: Lanseringen den 24 juli fullbordar ersättningen av OpenAI:s bild- och röstmodeller i Microsofts mest använda konsument- och företagsprodukter – till en bråkdel av GPU-kostnaden . Microsoft bygger en oberoende, vertikalt integrerad AI-stack som gör företaget betydligt mindre sårbart för externa beroenden.