简要概述
- 微软表示,MAI Code 2 在编程任务上的表现达到了 Claude Opus 5.5 的 96%,而成本仅为其 5%,不过这一对比包含了促销定价。
- 根据微软的评估,其新的网络安全模型在漏洞发现测试中得分为 92.3%,而 GPT-6 Astra 为 91.5%。
- MAI Image 2.7 在一个独立的图像编辑排行榜上位居榜首,而我们自己的快速对比也更青睐其真实感、创造力和整体输出质量。
微软周二在其 Ignite 大会上发布了一系列新的专用 AI 模型,在编程、网络安全和图像生成领域直接向 Anthropic 和 OpenAI 发起挑战。
它没有试图打造一个在所有方面都能击败所有人的单一聊天机器人,而是推出经过训练、能以大幅更低成本完成特定工作的模型。
最大的宣称涉及 MAI Code 2,微软称其在常见企业编程任务上的表现达到了 Claude Opus 5.5 的 96%,而成本仅为其 5%。它还声称,其表现达到了 GPT-6.1 Sol 的 98%,而价格仅为其 40%。
这些数字是四项评估结果的平均值,这些评估聚焦于实际软件开发,包括修复代码和完成多文件更改。微软在其自有评估平台上运行了其中三项测试,第四项则采用了外部结果,并使用50%的促销折扣计算了MAI Code 2的成本。
更轻量的Code 2 Flash模型面向常规修复和快速编辑,微软声称其性能可与Claude Haiku 5.5相媲美,而价格仅为后者的20%,因此在不牺牲质量的情况下极其便宜。这两款编码模型均已入驻GitHub Copilot,将微软的自研技术直接注入到一款此前严重依赖外部AI供应商的产品中。
安全是另一个目标。微软表示,MAI Cyber 2 Flash在CyberGym-E2E评估的漏洞发现任务中成功率达到92.3%,而GPT-6 Astra为91.5%,且每项任务成本不到后者的2%。CyberGym-E2E衡量的是AI成功完成软件安全调查的百分比;微软在发现905项任务中有92项的源材料与其训练数据存在重叠后,将这些任务排除在外。
该公司尚未发布与OpenAI受限的GPT-6 Cyber模型的直接对比。其安全系统将于12月中旬开始为符合条件的MDASH客户取代较旧的MAI模型,此举建立在Decrypt此前报道过的漏洞扫描方法之上。
在AI领域,大卫也能战胜歌利亚
小模型能战胜大模型吗?当然可以——在特定情况下。
通用模型必须学会写诗、解释物理、调试软件,并回答几乎任何领域的问题。而针对编码或网络防御调优的模型,可以将更多的训练和计算预算花在对该工作至关重要的模式上,而不必在每次请求中都携带同样广度的知识。
这并不会让较小的模型普遍更聪明。但当任务定义明确时,它可以让模型更快、更经济,尤其是在同一工作每天要运行数千次的业务中。
一个分析每次新代码变更的安全扫描器,不需要昂贵的前沿模型来解释罗马帝国的历史。如果一个模型能将其全部能力用于生成Python代码,那么为其API调用付费,比使用一个超级强大的通用模型更合理。
专业化还能改善模型周围的整个系统:它调用的工具、验证其答案的检查,以及用于改进它的数据。OpenAI已采取一种相关方法,推出其Mini和Nano模型,让更便宜的“工人”处理常规任务,而由更大的系统处理例外情况。
然而,也存在权衡取舍。微软自己的文档称,Code 2尚未针对基础科学研究或非常长时间的自主任务进行优化。而Anthropic不仅以其高端的Opus模型参与竞争,还以Haiku角逐低价端市场,因此微软正在进入一个其竞争对手早已熟悉的赛道。
MAI Image 是更有说服力的证明
微软的 MAI Image 2.7 或许提供了最清晰的证据,表明其战略正在奏效。在我们快速的并排测试中,它生成的图像在真实感、创造力和整体质量上都击败了 GPT Image 和谷歌的 Nano Banana。

这些只是基于几次生成得出的初步印象,但它们大体上与其在独立排行榜上的强劲表现相符。
在 Artificial Analysis 的图像编辑测试中,该测试要求人们在匿名生成的编辑结果之间做出选择,并将这些偏好转化为 Elo 评分,MAI Image 2.7 目前以 1,215 分领先,而 GPT Image 2.6 Sunburst 为 1,211 分。
四分的差距小到其报告的不确定性范围相互重叠;而采用相同偏好方法评分的独立文生图生成排行榜则将微软排在第四位。

价格更难被忽视。微软对 MAI Image 2.7 的报价约为每 1,000 张图像 35 美元,其 Flash 版本为 10 美元,而在 Artificial Analysis 的对比中,最高质量的 GPT Image 2.6 Sunburst 约为 211 美元。谷歌的 Nano Banana 2.1 在该对比中约为每 1,000 张 34 美元,而 Nano Banana Pro 约为 134 美元;实际账单取决于提供商、分辨率和设置。
我们早前的测试发现,MAI Image 2 的真实感极佳,但在编辑和输出格式方面存在令人沮丧的限制。较新的版本通过微软的 Canvas 工作区增加了交互式编辑、透明背景,并通过 Foundry 提供了更广泛的访问渠道,尽管图像质量和可用的产品仍然是两回事。话虽如此,该模型的审查也相当严格。






