GitHub Copilot:
ไมโครซอฟท์เปิดตัว MAI-Code-1-Flash ใน GitHub Copilot เมื่อเดือนมิถุนายน 2026 และภายในปลายเดือนกรกฎาคม นักพัฒนาหลายล้านคนก็ใช้งานโมเดลนี้ในงานประจำวัน โมเดลนี้ถูกรวมอยู่ในตัวเลือกโมเดลของ Copilot ใน VS Code และกลายเป็นส่วนหนึ่งของตัวเลือกอัตโนมัติเริ่มต้น
Excel (Microsoft 365 Copilot):
ไมโครซอฟท์ระบุโดยตรงว่า: 'ในการปรับใช้ผลิตภัณฑ์จริงของเรา เราเห็นว่าโมเดล MAI ที่ปรับใช้ใน Excel มีประสิทธิภาพเทียบเท่า GPT-5.6 สำหรับงานทั่วไปส่วนใหญ่ ในขณะที่คุ้มค่าทางต้นทุนมากกว่า'
ภายในวันที่ 7 กรกฎาคม 2026 ไมโครซอฟท์ได้เริ่มเปลี่ยนเส้นทางคำขอ AI หลายหมื่นครั้งต่อสัปดาห์จาก Excel และ Outlook ผ่านโมเดล MAI ของตัวเอง ซึ่งถือเป็นการเปลี่ยนแปลงครั้งแรกในระดับการผลิตที่เปิดเผยของทราฟฟิก Microsoft 365 Copilot ที่ย้ายออกจาก OpenAI และ Anthropic
ไมโครซอฟท์เปิดตัว โมเดล MAI จำนวนเจ็ดรุ่น ที่งาน Build 2026 (วันที่ 2 มิถุนายน) รวมถึง MAI-Thinking-1 (ด้านการให้เหตุผล), MAI-Code-1-Flash (ด้านการเขียนโค้ด), MAI-Image-2.5, MAI-Voice-2 และ MAI-Transcribe-1.5
Nadella กล่าวอย่างชัดเจนว่าไมโครซอฟท์กำลังเปลี่ยนเส้นทางงานใน GitHub Copilot, Excel และ Outlook ไปยังโมเดล MAI ของตัวเองเมื่อใดก็ตามที่มันมีประสิทธิภาพเทียบเท่าหรือดีกว่าทางเลือกจาก OpenAI และ Anthropic Bloomberg รายงานว่าการเปลี่ยนแปลงนี้เป็น 'แนวทางที่มีทิศทางและตั้งใจ ไม่ใช่การทดลอง' โดยไมโครซอฟท์กำลังค่อยๆ เปลี่ยนโมเดลจากบุคคลที่สามในแอปพลิเคชัน Office เพื่อลดต้นทุนและควบคุมข้อมูลได้ดีขึ้น
ใน PowerPoint Mustafa Suleyman กล่าวว่าโมเดลรูปภาพของไมโครซอฟท์ช่วยลดต้นทุนได้ 84% เมื่อเทียบกับ GPT-Image-2 ใน OneDrive โมเดลนี้เพิ่มอัตราการบันทึกได้ 26% และลดความหน่วงลงได้ประมาณ 25%
นี่ไม่ใช่การตัดขาดจาก OpenAI โดยสิ้นเชิง ไมโครซอฟท์ยังคงเป็นพันธมิตรคลาวด์หลักของ OpenAI และได้แก้ไขข้อตกลงในเดือนเมษายน 2026 เพื่อรักษาความสัมพันธ์นี้ไว้ การเคลื่อนไหวนี้เป็นการ กระจายความเสี่ยงเชิงกลยุทธ์: สร้างความฉลาดภายในองค์กร ในขณะที่ยังคงขายโมเดลของคู่แข่งบน Azure
โมเดลจาก OpenAI และ Anthropic ยังคงจัดการกับทราฟฟิก Copilot ส่วนใหญ่ การเปลี่ยนไปใช้โมเดล MAI ในตอนนี้ยังคงเป็นไปอย่างค่อยเป็นค่อยไป โดยเน้นที่งานที่มีปริมาณสูงและความซับซ้อนต่ำ ซึ่งเป็นจุดที่ประหยัดต้นทุนได้มากที่สุด
กลยุทธ์ Frontier Diffusion and Control ของไมโครซอฟท์เป็นการคิดพื้นฐานใหม่เกี่ยวกับการปรับใช้ AI: แทนที่จะทุ่มทุกอย่างให้กับโมเดลชั้นนำเพียงตัวเดียว ให้ปรับ 'ขอบเขตต้นทุนต่อผลลัพธ์' ให้เหมาะสม โดยจับคู่โมเดลที่เหมาะสมกับแต่ละงาน ผลลัพธ์การผลิตจริงใน Excel, GitHub Copilot และ Outlook ชี้ให้เห็นว่าแนวทางนี้กำลังส่งมอบประสิทธิภาพระดับแนวหน้าในราคาที่ต่ำกว่าอย่างมาก