Кратко

  • Microsoft заявляет, что MAI Code 2 обеспечивает 96% производительности Claude Opus 5.5 в программировании при 5% его стоимости, хотя сравнение включает промо-цены.
  • Согласно оценкам Microsoft, её новая модель кибербезопасности набрала 92,3% против 91,5% у GPT-6 Astra в тесте на поиск уязвимостей.
  • MAI Image 2.7 возглавила независимый рейтинг редактирования изображений, а наши быстрые сравнения отдали предпочтение её реалистичности, креативности и общему качеству результатов.

Во вторник на конференции Ignite Microsoft представила новую линейку специализированных ИИ-моделей, бросив прямой вызов Anthropic и OpenAI в программировании, кибербезопасности и генерации изображений.

Вместо того чтобы пытаться создать единого чат-бота, превосходящего всех во всём, она предлагает модели, обученные выполнять конкретные задачи при существенно более низкой стоимости.

Самое громкое заявление касается MAI Code 2, которая, по словам Microsoft, обеспечивает 96% производительности Claude Opus 5.5 на типичных корпоративных задачах программирования всего за 5% стоимости. Также утверждается, что она достигает 98% производительности GPT-6.1 Sol при 40% цены.

Эти цифры усредняют результаты четырёх оценок, сосредоточенных на практической разработке программного обеспечения, включая исправление кода и выполнение изменений в нескольких файлах. Microsoft провела три из тестов на собственной платформе оценки, использовала внешние результаты для четвёртого и рассчитала затраты MAI Code 2 с учётом 50-процентной промо-скидки.

Более лёгкая модель Code 2 Flash ориентирована на рутинные исправления и быстрые правки, при этом Microsoft утверждает, что её производительность сопоставима с Claude Haiku 5.5 при 20% цены, то есть чрезвычайно дёшево без ущерба для качества. Обе модели для программирования уже доступны в GitHub Copilot, что напрямую внедряет собственную технологию Microsoft в продукт, который сильно зависел от внешних поставщиков ИИ.

Безопасность — ещё одна цель. Microsoft сообщает, что MAI Cyber 2 Flash успешно справилась с 92,3% оцениваемых задач по поиску уязвимостей CyberGym-E2E по сравнению с 91,5% у GPT-6 Astra, при затратах менее 2% на задачу. CyberGym-E2E оценивает процент исследований безопасности программного обеспечения, которые ИИ успешно завершает; Microsoft исключила 92 из 905 задач, обнаружив пересечение между их исходным материалом и своими обучающими данными.

Компания пока не опубликовала прямого сравнения с ограниченной моделью GPT-6 Cyber от OpenAI. Её система безопасности начнёт заменять более старую модель MAI для подходящих клиентов MDASH в середине декабря, развивая подход к сканированию уязвимостей, о котором ранее рассказывал Decrypt.

В ИИ Давид тоже может победить Голиафа

Может ли маленькая модель победить большую? Определённо — в конкретных случаях.

Модель общего назначения должна научиться писать стихи, объяснять физику, отлаживать программное обеспечение и отвечать на вопросы почти обо всём. Модель, настроенная для программирования или киберзащиты, может тратить больше своего бюджета на обучение и вычисления на закономерности, важные для этой работы, вместо того чтобы нести ту же широту знаний в каждый запрос.

Это не делает меньшие модели универсально умнее. Это может делать их быстрее и экономичнее, когда задача чётко определена, особенно в бизнесе, где одна и та же работа выполняется тысячи раз в день.

Сканеру безопасности, анализирующему каждое новое изменение кода, не нужна дорогая передовая модель, чтобы объяснять историю Римской империи. Если модель может посвятить всю свою мощность генерации кода на Python, будет разумнее платить за её вызовы API, чем использовать сверхмощную универсальную модель.

Специализация также может улучшить всю систему вокруг модели: инструменты, которые она вызывает, проверки, которые верифицируют её ответы, и данные, используемые для её доработки. OpenAI применила схожий подход со своими моделями Mini и Nano, позволяя более дешёвым работникам выполнять рутинные задачи, пока более крупные системы решают исключения.

Однако есть компромиссы. Собственная документация Microsoft говорит, что Code 2 пока не оптимизирована для фундаментальных научных исследований или очень длительных автономных заданий. А Anthropic конкурирует в дешёвом сегменте рынка с Haiku, а не только со своими премиальными моделями Opus, так что Microsoft вступает в гонку, которую её конкуренты уже понимают.

MAI Image — более убедительная демонстрация

MAI Image 2.7 от Microsoft может служить самым ясным доказательством того, что её стратегия работает. В наших быстрых сравнительных тестах его изображения превзошли GPT Image и Nano Banana от Google по реалистичности, креативности и общему качеству.

Собака едет на велосипеде посреди бурного океана

Это были лишь первые впечатления, основанные на нескольких генерациях, но они в целом соответствуют его сильным показателям в независимых рейтингах.

В тесте редактирования изображений от Artificial Analysis, который предлагает людям выбирать между анонимно сгенерированными правками и превращает эти предпочтения в рейтинг Elo, MAI Image 2.7 в настоящее время лидирует с 1 215 баллами против 1 211 у GPT Image 2.6 Sunburst.

Разрыв в четыре балла достаточно мал, чтобы заявленные диапазоны неопределённости пересекались; отдельный рейтинг генерации изображений по текстовому описанию, оценённый с использованием того же метода на основе предпочтений, ставит Microsoft на четвёртое место.

Ценообразование сложнее игнорировать. Microsoft указывает около $35 за 1000 изображений для MAI Image 2.7 и $10 для его версии Flash, тогда как GPT Image 2.6 Sunburst при максимальном качестве стоит примерно $211 в сравнении Artificial Analysis. Google Nano Banana 2.1 там стоит около $34 за 1000, а Nano Banana Pro — около $134; фактические счета зависят от провайдера, разрешения и настроек.

Наше более раннее тестирование MAI Image 2 выявило превосходный реализм, но разочаровывающие ограничения в редактировании и форматах вывода. Более новая версия добавляет интерактивное редактирование через рабочее пространство Canvas от Microsoft, прозрачные фоны и более широкий доступ через Foundry, хотя качество изображения и пригодный к использованию продукт — всё ещё две разные вещи. Тем не менее модель также довольно сильно цензурирована.