مایکروسافت در ۱۷ نوامبر ۲۰۲۶ هفت مدل MAI را معرفی کرد که در برنامهنویسی، امنیت سایبری، تصویر و گفتار با GPT-6 و Claude Opus 5.5 همسطح یا برترند، در حالی که هزینه استنتاج تنها ۲ تا ۴۰ درصد مدلهای مرزی است. این انتشار کف قیمتی هوش مصنوعی برای عاملهای ۲۴/۷ را بازتعریف میکند.

دفاع سایبری با ۲ درصد هزینه مرزی

MAI Cyber 2 Flash در محک CyberGym-E2E از GPT-6 Astra پیشی میگیرد با کمتر از ۲ درصد هزینه هر وظیفه. این مدل بر پایه دادههای امنیتی مالکیتی دهساله مایکروسافت ساخته شده و نزدیک ۴۰ درصد اسکنهای MDASH را انجام میدهد. ۹۰ درصد اسکنهایی که با MAI آغاز شدهاند همچنان از آن استفاده میکنند. قیمت توکن خروجی ۸۶ درصد کمتر از MAI Cyber 1.1 Flash است. همزمان، رقیب اصلی OpenAI مدل GPT-6.2 Astra را با قیمت یکسوم عرضه کرده که در این خبر بررسی شده است.
- طراحی برای هوش مرزی با کسری از هزینه
- ساخته شده با دادههای مالکیتی و تخصص امنیتی سطح جهانی
- کمک به مدافعان در برابر ابزارهای ارزان و فراوان مهاجم
- MAI Cybernear ۴۰ درصد اسکنهای MDASH را پوشش میدهد
- ۹۰ درصد اسکنهای آغاز شده با MAI ادامه مییابند
- قیمت توکن خروجی ۸۶ درصد کمتر از نسخه قبل
- مشتریان MDASH مدل قویتری با قیمت پایینتر دریافت میکنند
- امکان استقرار عاملهای نظارت و کنترل برای دفاع و پچ زنده ۲۴/۷
مدلهای کدنویسی برای کار روزمره سازمانی

MAI Code 2 کیفیت کدنویسی GPT-6.1 Sol را به ۹۸ درصد با ۴۰ درصد قیمت در چهار محک (DeepSWE 1.1، Terminal Bench 2.1، SWE-Atlas، FrontierCode v1.1) تحویل میدهد. در برابر Claude Opus 5.5 به ۹۶ درصد عملکرد با تنها ۵ درصد هزینه میرسد. در ارزیابی کور فرانتاند، توسعهدهندگان ۶۴ درصد مواقع MAI Code 2 را بر GPT-6 Sol ترجیح دادند. مدل برای داشبوردها و تجسم داده بهینه شده، نه برای علم پایه یا کارهای عاملمحور با افق طولانی. تحلیل عمیقتری درباره عملکرد MAI Code 2 در برابر Claude Opus 5.5 و استراتژی قیمتگذاری مایکروسافت در این گزارش منتشر شده است.
MAI Code 2 Flash برای وظایف پرحجم روزمره — توضیح کد، ویرایشهای هدفمند، تکرارهای سریع — هدفگذاری شده. عملکرد همسطح GPT-6 Luna با ۶۵ درصد قیمت و Claude Haiku 5.5 با ۲۰ درصد قیمت در سه محک کدنویسی روزمره. در GitHub Copilot و پیشنمایش محدود در Microsoft Foundry در دسترس.
- بهترین قیمت-عملکرد برای کدنویسی روزمره سازمانی
- محکها روی کارهای روزمره GitHub Copilot متمرکز
- صریحاً برای پژوهش علم پایه و کارهای عاملمحور طولانی بهینه نشده
- تنظیم شده برای تولید داشبوردها و تجسمهای عالی
- ارزیابی کور: توسعهدهندگان ۶۴ درصد MAI Code 2 را ترجیح دادند
- MAI Code 2 Flash برای توضیح کد، ویرایش هدفمند، رفع روتین، تکرار سریع
- عملکرد همسطح GPT-6 Luna و Claude Haiku 5.5 با ۶۵ و ۲۰ درصد قیمت
- آزمون در سه محک: DeepSWE 1.1، Terminal Bench 2.1، SWE-Atlas
- در GitHub Copilot امروز در دسترس
- پیشنمایش محدود در Microsoft Foundry
مدلهای برتر تصویر و گفتار
MAI Image 2.7 رتبه ۱ Artificial Analysis برای ویرایش تصویر دارد، از GPT Image 2.6 Sunburst (max) با یکپنجم هزینه پیشی میگیرد. برای تبدیل متن به تصویر رتبه ۴، مایکروسافت را دومین آزمایشگاه برتر میسازد. MAI Image 2.7 Flash تولید تصویر سطح جهانی برای سناریوهای پرحجم با حدود ۱۰ دلار به ازای ۱۰۰۰ تصویر. هر دو در Microsoft Foundry موجودند.
MAI Realtime 1 اولین مدل گفتار-به-گفتار زنده مایکروسافت، برای مکالمات طبیعی با تأخیر پایین. در محکهای خارجی و Dynamics 365 از GPT-Realtime 2.1 پیشی میگیرد. قیمت از ۰.۰۱ دلار در دقیقه صوت، برای استقرار مقیاس سازمانی.
Dragon Copilot Transcribe بر پایه MAI Transcribe 2، ۱۰۰ درصد رونویسیهای پزشک-بیمار در Dragon Copilot را پوشش میدهد — ۱۰ میلیون مواجهه ماهانه. نرخ خطای چندزبانه را نصف کرده و در دست یکسوم پزشکان آمریکا است.
- MAI Image 2.7: بهترین مدل ویرایش تصویر جهان، رتبه ۱ Artificial Analysis
- از GPT Image 2.6 Sunburst (max) با یکپنجم هزینه پیشی میگیرد
- تبدیل متن به تصویر رتبه ۴، مایکروسافت دومین آزمایشگاه برتر
- MAI Image 2.7 Flash: تولید تصویر پرحجم ~۱۰ دلار به ازای ۱۰۰۰ تصویر
- هر دو در Microsoft Foundry
- MAI Realtime 1: اولین مدل گفتار-به-گفتار زنده، تأخیر پایین
- از GPT-Realtime 2.1 در محکهای خارجی و Dynamics 365 پیشی گرفت
- قیمتگذاری مقیاس سازمانی، از ۰.۰۱ دلار در دقیقه صوت
- در MAI Labs قابل تست
- Dragon Copilot Transcribe: سریعترین و دقیقترین رونویسی چندزبانه
- ۱۰۰ درصد رونویسیهای پزشک-بیمار، ۱۰ میلیون مواجهه ماهانه
- نرخ خطای چندزبانه نصف شده
- در دست یکسوم پزشکان آمریکا
مسیریابی تصمیم و وزنهای مجاز
Decision 1.1 مسیریابی مدل یکپارچه ارائه میدهد تا مدلهای بزرگتر فقط وقتی لازم است فعال شوند. در شاخص تصمیم AA مایکروسافت از Jev، گوگل و OpenAI پیشی دارد، ۵۰ برابر سریعتر و ۷۹ برابر ارزانتر از GPT-6.1 Sol. چهار هزار مشتری از آن استفاده میکنند. در مقایسهی هزینه، Gemini 4 Carbon سقف MathArena را گرفت اما هزینهی ۱۵ برابر GPT-6.1 Sol دارد که در این تحلیل آمده است.
MAI Licensed Weights به سازمانها اجازه میدهد مدل مرزی MAI را با دادههای مالکیتی سفارشی کنند و در Azure خود اجرا کنند. مشتری کنترل دسترسی دارد؛ دادهها و انطباقها مال او میمانند. AT&T مدل سفارشی برای تحلیل شبکه ۵G ساخت که از GPT-6.1 Sol با ۵۰ برابر هزینه کمتر پیشی گرفت.
- Decision 1.1: جدیدترین مدل تصمیم مایکروسافت
- مسیریابی یکپارچه در برنامهها، مدلهای گران فقط وقتی لازم
- در AA Decision Index پیشی از Jev، گوگل، OpenAI
- ۵۰ برابر سریعتر، ۷۹ برابر ارزانتر از GPT-6.1 Sol
- ۴۰۰۰ مشتری
- AT&T: مدل MAI سفارشی برای تحلیل شبکه ۵G، ۵۰ برابر ارزانتر از GPT-6.1 Sol
- در سناریوهای پیچیده Code 2 عملکرد مرزی با قیمت کمتر تحویل داد
- MAI Licensed Weights: مدلها تحت کنترل شما
- مدل مرزی MAI بگیرید، با دادههای مالکیتی سفارشی کنید
- در Azure خود اجرا کنید، کنترل دسترسی
- دادهها و انطباقها مال شما
- همکاری از طریق Frontier Company برای جاسازی در محصولات
- «IQ شما. عاملهای شما. وزنهای شما. همه تحت کنترل شما.»
پایه سختافزاری
Maia 200، شتابدهنده هوش مصنوعی نسل دوم مایکروسافت، در تولید است و بزرگترین مدلهای MAI را اجرا میکند. ۱.۷ برابر توکن در وات نسبت به نسل قبلی.
- Maia 200: شتابدهنده نسل دوم مایکروسافت
- در تولید، بزرگترین مدلهای MAI را اجرا میکند
- ۱.۷ برابر توکن در وات نسبت به نسل قبلی
پیامدهای راهبردی
تغییر قیمت-عملکرد ساختاری است، نه تدریجی. وقتی مدل سایبری ۲ درصد هزینه گزینه مرزی دارد و مسیریاب تصمیم ۷۹ برابر ارزانتر اجرا میشود، اقتصاد ناوگان عاملهای ۲۴/۷ دگرگون میشود. سازمانها میتوانند نظارت مداوم، پچ خودکار و دفاع لحظهای را در مقیاس تحمل کنند. برنامه وزنهای مجاز پاسخ تقاضای رو به رشد است: سازمانها میخواهند IQ خود را در مدلهای کنترلشده بریزند.
یکپارچگی عمودی مایکروسافت — تراشه سفارشی، دادههای امنیتی مالکیتی، مقیاس استقرار بالینی، خانواده مدل کامل — حفره دفاعی میسازد که ارائهدهندگان خالص مدل فاقد آن هستند. سوال برای رقبا: آیا میتوانند بدون مالکیت زیرساخت مشابه، منحنی قیمتی را تطبیق دهند؟




گفتگو