微软发布专用AI模型:编程成本对比与图像评测边界解读
企业用AI修改代码、排查漏洞或生成图片,关心的不只是模型能回答多少问题,还有具体任务能否完成、调用成本有多高。微软在Ignite大会发布的专用模型,把竞争重点放在了这些工作上,而不是让同一个聊天助手包办所有事情。
不过,厂商自测、促销价格和独立榜单不是同一种证据。读懂这次发布,要把任务表现与适用范围分开看。如果你搜索的是COMP销毁机制,本文不涉及该机制,讨论的是微软AI模型的性能与成本。
微软编程模型到底便宜在哪里?
微软给出的主要对比是:MAI Code 2在常见企业编程任务中,达到Claude Opus 5.5的96%表现,成本为对方的5%;对比GPT-6.1 Sol,则达到98%的表现,价格为40%。这里的表现来自评测结果,不能直接理解为所有编程工作都有相同比例的完成能力。
这些结果取自涉及代码修复、多文件修改等实际开发工作的评测。其中大部分测试由微软在自己的评测平台运行,另有外部评测结果。更关键的是,MAI Code 2的成本计算使用了50%的促销折扣,所以不能把这组比例当作脱离活动条件的长期价格差距。
对比对象也有时间边界。OpenAI在同日发布了GPT-6.2,因此微软针对Sol的比较,已经不是与对方最新一代模型的比较。
面向日常修复和快速编辑的Code 2 Flash,微软称其表现与Claude Haiku 5.5相当,价格为20%。这两个编程模型已进入GitHub Copilot,意味着微软自研模型正在进入此前较依赖外部AI供应商的产品。
安全模型的高分能说明什么?
按照微软公布的评测,MAI Cyber 2 Flash在CyberGym-E2E漏洞发现任务中的成功率为92.3%,GPT-6 Astra为91.5%,前者每项任务的成本不到后者的2%。
这个测试衡量的是模型能成功完成多少软件安全调查任务,并不是对所有安全能力的统一评分。微软还排除了部分任务,原因是发现其来源材料与训练数据存在重合。这个处理条件应当和成绩一起看,不能只摘出成功率。
微软尚未公布与OpenAI受限访问的GPT-6 Cyber模型的直接比较。因此,现有结果支持的是特定测试下的比较,不能延伸成对所有安全模型的排名。面向符合条件的MDASH客户,新安全系统计划在原文所述的十二月中旬开始替换旧版MAI模型。
图像榜单领先是否代表全面胜出?
MAI Image 2.7在Artificial Analysis图像编辑榜单中获得1,215分,GPT Image 2.6 Sunburst为1,211分。该榜单让用户在匿名生成的编辑结果中选择偏好的作品,再把偏好转化为Elo评分。
差距不大,双方公布的不确定性区间存在重叠。而在使用同类偏好评分方法的文生图榜单上,微软并没有排在首位。也就是说,图像编辑成绩不能直接替代文生图成绩,更不能概括所有图像任务。
Decrypt的少量并排试用认为,微软模型在真实感、创意和整体输出质量上优于GPT Image及Google的Nano Banana。但报道也说明,这只是基于少量生成结果的初步印象,不是覆盖各种提示词和工作场景的完整测试。
价格方面,微软公布MAI Image 2.7每1,000张图片约$35,Flash版本为$10。Artificial Analysis的对比中,GPT Image 2.6 Sunburst在最高质量设置下约为$211,Nano Banana 2.1约为$34,Nano Banana Pro约为$134。
实际账单仍取决于服务提供方、分辨率和设置。最高质量配置与其他配置的价格放在一起,并不意味着用户在任何条件下都会遇到相同差距。
专用小模型为何能完成特定工作?
说白了,通用模型要兼顾写作、知识问答和软件开发,专用模型则把训练与计算资源更多用在目标任务上。任务边界明确时,它不必在每次请求中都承担同样宽泛的能力需求,因此可能更快,也更省成本。
专用化还不只是模型本身。模型调用哪些工具、输出如何检查、后续使用什么数据改进,都可以围绕同一种工作设计。OpenAI的Mini和Nano系列也采用了相关思路,让较轻量的模型处理常规任务,复杂例外再交给更大的系统。
代价同样存在。微软文档明确说明,Code 2尚未针对基础科学研究和长时间自主任务进行优化。Anthropic也有面向较低成本需求的Haiku,并非只用高端Opus参与竞争。
图像产品则展示了另一层区别:生成效果好,不等于使用环节已经完善。Decrypt此前对MAI Image 2的测试肯定了真实感,也提到编辑和输出格式方面的限制。新版增加了Canvas交互式编辑、透明背景和通过Foundry提供的更广泛访问,但报道仍指出其内容限制较多。
结语:专用表现不等于全面替代
微软这次展示的是特定任务中的性能与成本组合:编程比较包含促销条件,安全成绩来自微软评测,图像编辑则有独立偏好榜单作为参照。把这些证据分开,才能看清每项结论的适用范围。
此外,微软允许部分企业客户在Azure内定制和运行获得许可的模型权重,以减少对外部供应商的依赖;这不等于把技术开源。对企业应用而言,模型成绩之外,运行方式、工具配套和任务限制同样属于产品能力的一部分。
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。