微软MAI模型低调出击：低成本、高效率，正在悄然取代前沿AI

实际生产成果：GitHub Copilot和Excel

GitHub Copilot：

微软于2026年6月在GitHub Copilot中推出了 MAI-Code-1-Flash。到7月下旬，已有数百万开发者将其用于日常工作 。该模型已集成到VS Code的Copilot模型选择器中，并成为默认自动选择器的一部分 。

Excel (Microsoft 365 Copilot)：

微软直接声明：“在我们实际的部署中，我们部署在Excel中的MAI模型在大多数常见任务上的表现与GPT-5.6相当，同时更具成本效益。”

截至2026年7月7日，微软已开始将从Excel和Outlook中产生的每周数万个AI提示，路由至自己的MAI模型进行处理。这标志着Microsoft 365 Copilot的流量首次被大规模地从OpenAI和Anthropic的模型转移走 。

更广泛的转变：减少对第三方AI的依赖

微软在2026年Build大会上发布了七款MAI模型，涵盖推理（MAI-Thinking-1）、编码（MAI-Code-1-Flash）、图像（MAI-Image-2.5）、语音（MAI-Voice-2）和转录（MAI-Transcribe-1.5）等多个领域 。

纳德拉明确表示，在GitHub Copilot、Excel和Outlook中，只要微软的MAI模型能与OpenAI和Anthropic等前沿模型匹敌或胜出，微软就会将任务分流给自家模型 。彭博社报道称，这一转变是“方向性的、有意的，而非试验性的”——微软正在Office应用中逐步替换第三方模型，以降低成本并获取更好的数据主权控制 。

在PowerPoint中，穆斯塔法·苏莱曼指出，微软的图像模型相比GPT-Image-2节省了84%的成本。在OneDrive中，该模型将保存率提升了26%，延迟降低了约25% 。

关键提示：不是决裂，而是战略对冲

这并不意味着与OpenAI分道扬镳。微软仍是OpenAI的主要云端合作伙伴，并在2026年4月修订了合作协议以维持这一关系 。此举更准确的描述是战略对冲：一方面构建自有的智能技术，另一方面仍通过Azure销售竞争对手的模型 。

目前，OpenAI和Anthropic的模型仍处理Copilot的大部分流量。MAI模型的切换是渐进式的，主要集中在那些成本节约效果显著的、大规模、低复杂度的任务上 。

总结

微软的“前沿扩散与控制”策略代表了对AI部署方式的一种根本性反思：不再将所有希望寄托于一个单一的前沿模型，而是通过为每个任务匹配最合适的模型，来优化“成本与效果的边界”。Excel、GitHub Copilot和Outlook中的实际成果表明，这一策略已初步兑现其承诺——以前沿级的性能，实现远低于以往的成本。