Microsoft trình làng hai mô hình AI nội bộ mới, tiết kiệm chi phí GPU vượt trội

Hai mô hình mới được ra mắt

• MAI-Image-2.5-Pro: Mô hình tạo hình ảnh có độ trung thực cao nhất của Microsoft cho đến nay, được xây dựng cho các hình ảnh chuyên nghiệp, chỉnh sửa chi tiết và hiển thị văn bản chính xác bên trong ảnh được tạo ra . Mô hình được định giá qua Microsoft Foundry ở mức 5 đô la cho mỗi 1 triệu token văn bản đầu vào, 8 đô la cho mỗi 1 triệu token hình ảnh đầu vào và 106 đô la cho mỗi 1 triệu token hình ảnh đầu ra .
• MAI-Voice-2-Flash: Mô hình chuyển văn bản thành giọng nói với độ trễ thấp, được tối ưu hóa cho tốc độ và khả năng mở rộng trong các ứng dụng dịch vụ khách hàng và giọng nói thời gian thực . Microsoft cho biết mô hình này nhanh gấp đôi và tiết kiệm chi phí hơn 32% so với phiên bản MAI-Voice-2 tiêu chuẩn .

Cả hai mô hình đã bước vào giai đoạn xem trước công khai (public preview) thông qua Microsoft Foundry vào ngày 24 tháng 7 .

Nơi chúng được triển khai

Microsoft đang đưa các mô hình mới vào một số sản phẩm chủ lực ngay lập tức :

• Bing Image Creator: Hiện đã hoàn toàn sử dụng mô hình nội bộ, vận hành đầu cuối trên MAI-Image-2.5-Pro . Phiên bản trước đó vẫn phụ thuộc vào các mô hình hình ảnh của OpenAI.
• PowerPoint: MAI-Image-2.5-Pro đã thay thế GPT-Image-2 của OpenAI làm công cụ tạo hình ảnh mặc định .
• OneDrive: Mô hình hình ảnh này hiện là công cụ mặc định cho các hình ảnh do AI tạo ra .
• Dynamics 365 Contact Center: MAI-Voice-2-Flash cung cấp năng lượng cho các quy trình làm việc bằng giọng nói và dịch vụ khách hàng thời gian thực . Giám đốc điều hành Microsoft AI, Mustafa Suleyman, đã đề cập đến việc tích hợp tại các khách hàng bao gồm T-Mobile và EasyJet .
• Microsoft Foundry (Azure AI Foundry): Cả hai mô hình đều có sẵn cho các nhà phát triển ở chế độ xem trước công khai .

Microsoft tuyên bố rằng các mô hình MAI hiện đã được triển khai trên hơn một nửa số sản phẩm của họ, và việc thay thế tiếp theo đang được tiến hành ở Excel và Outlook .

Giảm chi phí GPU so với mô hình OpenAI

Microsoft đã cung cấp tỷ lệ phần trăm giảm chi phí tính toán GPU cụ thể — nghĩa là khoản tiết kiệm trên cơ sở hạ tầng suy luận khi chạy các mô hình của riêng mình so với việc cấp phép hoặc lưu trữ các mô hình tương đương của OpenAI. Đây không phải là sự khác biệt về giá API mà là khoản tiết kiệm ở cấp độ phần cứng thực tế :

Những khoản giảm này đủ lớn để thay đổi cơ cấu chi phí đơn vị (unit economics) của Microsoft cho các tính năng AI trong bộ ứng dụng Office và đám mây.

Vị trí của các mô hình trong đại gia đình MAI

Các bản phát hành ngày 24 tháng 7 là các biến thể chuyên biệt trong một đại gia đình MAI bảy mô hình rộng lớn hơn đã được công bố tại Microsoft Build vào tháng 6 năm 2026 :

1. Lý luận (Reasoning): MAI-Thinking-1
2. Hình ảnh (Image): MAI-Image-2.5, MAI-Image-2.5-Flash, và nay là MAI-Image-2.5-Pro
3. Giọng nói (Voice / Speech): MAI-Voice-1, MAI-Voice-2, và MAI-Voice-2-Flash
4. Phiên âm (Transcription): MAI-Transcribe-1 / MAI-Transcribe-1.5
5. Lập trình (Coding): MAI-Code-1-Flash

MAI-Image-2.5-Pro bổ sung một tầng cao cấp cho chất lượng hình ảnh tối đa, trong khi MAI-Voice-2-Flash bổ sung một tầng tối ưu hóa tốc độ cho các tác vụ giọng nói khối lượng lớn, độ trễ thấp . Toàn bộ đại gia đình được huấn luyện trên các bộ tăng tốc AI tùy chỉnh Maia 200 của Microsoft mà không cần chưng cất (distillation) từ các mô hình của bên thứ ba, với lợi thế hiệu quả 1,4 lần nhờ sự đồng thiết kế phần cứng-phần mềm .

Chiến lược: Giảm sự phụ thuộc vào OpenAI và các mô hình bên thứ ba

Microsoft đang thực hiện một chiến lược đa giai đoạn có chủ đích để xây dựng khả năng tự chủ AI toàn diện :

• Thay thế mô hình bên thứ ba bằng mô hình nội bộ: PowerPoint, Bing Image Creator và OneDrive đều đã chuyển từ mô hình hình ảnh của OpenAI sang MAI-Image-2.5-Pro . Điều này được mô tả là một "sự dịch chuyển nhẹ khỏi OpenAI" đang ngày càng tăng tốc .
• Giữ OpenAI là đối tác, không phải nhà cung cấp duy nhất: Microsoft vẫn là nhà đầu tư vào OpenAI và Azure lưu trữ các mô hình của OpenAI, nhưng công ty không còn phụ thuộc vào OpenAI cho các sản phẩm nội bộ của mình. Mục tiêu là có một chiến lược đa mô hình với các lựa chọn thay thế cạnh tranh sẵn có .
• Kiểm soát chi phí như một đòn bẩy chiến lược: Việc giảm 84–89% chi phí GPU có nghĩa là Microsoft có thể cung cấp các tính năng AI cạnh tranh với chi phí trên mỗi người dùng thấp hơn nhiều, bảo vệ biên lợi nhuận và tăng cường vị thế đàm phán của mình với tất cả các nhà cung cấp mô hình bên ngoài .
• Xây dựng ngăn xếp tích hợp dọc (full-stack vertical): Sở hữu chip (Maia 200), sở hữu mô hình (dòng MAI), sở hữu cơ sở hạ tầng suy luận (Azure) và sở hữu diện tích bề mặt sản phẩm (Office, Bing, Dynamics, Windows) .

Ý nghĩa về chi phí, giá cả và khả năng tự chủ

• Loại bỏ chi phí cơ sở hạ tầng: Việc chạy các mô hình nội bộ trên chip Maia 200 giúp loại bỏ khoản lợi nhuận phải trả cho các nhà cung cấp mô hình bên thứ ba cho mỗi lần suy luận .
• Các tính năng AI bền vững: Việc giảm chi phí GPU đáng kể cho thấy các mô hình MAI được xây dựng có mục đích cho các trường hợp sử dụng sản phẩm cụ thể của Microsoft, thay vì là các mô hình nền tảng đa năng, giúp các tính năng AI trong Office và Dynamics trở nên linh hoạt hơn trước những thay đổi giá của OpenAI .
• Kết luận: Bản phát hành ngày 24 tháng 7 đã hoàn tất việc thay thế các mô hình hình ảnh và giọng nói của OpenAI trong các sản phẩm tiêu dùng và doanh nghiệp có lượng người dùng lớn nhất của Microsoft với chi phí GPU chỉ bằng một phần nhỏ . Microsoft đang xây dựng một ngăn xếp AI tích hợp dọc độc lập, giúp công ty ít bị phụ thuộc vào bất kỳ bên thứ ba nào hơn nhiều.