簡述

  • 微軟表示,MAI Code 2 在編碼效能上達到 Claude Opus 5.5 的 96%,而成本僅為其 5%,不過此比較包含促銷定價。
  • 根據微軟的評估,其新的網路安全模型在漏洞發現測試中獲得 92.3% 的成績,而 GPT-6 Astra 為 91.5%。
  • MAI Image 2.7 在一個獨立的圖像編輯排行榜上位居榜首,而我們的快速比較則偏好其真實感、創造力與整體輸出品質。

微軟於週二的 Ignite 大會上揭曉了一系列全新的專用 AI 模型,在編碼、網路安全與圖像生成方面直接向 Anthropic 和 OpenAI 發起挑戰。

它並非試圖打造一個能在所有事情上擊敗所有人的單一聊天機器人,而是推出經過訓練、能以大幅更低成本執行特定工作的模型。

最大的宣稱涉及 MAI Code 2,微軟表示其在常見企業編碼任務上的效能達到 Claude Opus 5.5 的 96%,而成本僅為其 5%。它還宣稱以 40% 的價格達到 GPT-6.1 Sol 效能的 98%。

這些數字是四項專注於實際軟體開發的評估結果平均值,包括修復程式碼與完成多檔案變更。微軟在其中三項測試於自家評估平台上執行,第四項則採用外部結果,並以 50% 促銷折扣計算 MAI Code 2 的成本。

較輕量的 Code 2 Flash 模型鎖定例行修復與快速編輯,微軟聲稱其效能可與 Claude Haiku 5.5 相比,價格僅為其 20%,因此極其便宜且不犧牲品質。兩款程式設計模型皆已進駐 GitHub Copilot,將微軟自家技術直接導入一個過去高度依賴外部 AI 供應商的產品。

安全性是另一個目標。微軟表示,MAI Cyber 2 Flash 在 CyberGym-E2E 評估的漏洞發現任務中成功率达 92.3%,相較之下 GPT-6 Astra 為 91.5%,而每項任務成本不到其 2%。CyberGym-E2E 評分的是 AI 成功完成軟體安全調查的百分比;微軟在發現 905 項任務中有 92 項的來源素材與其訓練資料重疊後,將這些任務排除。

該公司尚未公布與 OpenAI 受限的 GPT-6 Cyber 模型的直接比較。其安全系統將於十二月中旬開始,為符合資格的 MDASH 客戶取代較舊的 MAI 模型,延續 Decrypt 先前報導的漏洞掃描方法。

在 AI 領域,大衛也能擊敗歌利亞

小模型能擊敗大模型嗎?絕對可以——在特定情況下。

通用模型必須學會寫詩、解釋物理、除錯軟體,並回答幾乎任何問題。針對程式設計或網路防禦調校的模型,可以將更多訓練與運算預算花在對該工作至關重要的模式上,而不必在每次請求中都承載同樣廣度的知識。

這並不代表較小的模型普遍更聰明。當任務定義明確時,它們可以更快、更經濟,尤其是在同一項工作每天執行數千次的商業情境中。

一個分析每項新程式碼變更的安全掃描器,不需要昂貴的前沿模型來解釋羅馬帝國的歷史。如果一個模型能將其全部能力投入生成 Python 程式碼,那麼為其 API 呼叫付費,會比使用超級強大的通用模型更合理。

專業化也能改善模型周遭的整個系統:它呼叫的工具、驗證其答案的檢查,以及用於精進它的資料。OpenAI 已採取相關做法,推出 Mini 與 Nano 模型,讓較便宜的執行者處理例行任務,而較大的系統則處理例外情況。

然而,這存在取捨。微軟自家文件指出,Code 2 尚未針對基礎科學研究或長時間執行的自主任務進行最佳化。而 Anthropic 不僅以頂級的 Opus 模型競爭,也以 Haiku 角逐較便宜的市場區間,因此微軟正進入一個競爭對手早已熟悉的賽局。

MAI Image 是更具說服力的示範

微軟的 MAI Image 2.7 或許提供了最清楚的證據,證明其策略正在奏效。在我們快速的並排測試中,它的圖像在真實感、創意和整體品質上都勝過了 GPT Image 和 Google 的 Nano Banana。

一隻狗在波濤洶湧的海洋中央騎著腳踏車

這些只是基於幾次生成結果的初步印象,但大致上與它在獨立排行榜上的強勁表現相符。

在 Artificial Analysis 的圖像編輯測試中,該測試要求人們在匿名生成的編輯結果之間做出選擇,並將這些偏好轉化為 Elo 評分,MAI Image 2.7 目前以 1,215 分領先 GPT Image 2.6 Sunburst 的 1,211 分。

四分的差距小到它們所報告的不確定性範圍相互重疊;而採用相同偏好方法評分的獨立文字轉圖像生成排行榜,則將微軟排在第四位。

價格更難以忽視。微軟對 MAI Image 2.7 的報價約為每 1,000 張圖片 35 美元,其 Flash 版本為 10 美元,而在 Artificial Analysis 的比較中,最高品質的 GPT Image 2.6 Sunburst 約為 211 美元。Google 的 Nano Banana 2.1 在該處約為每 1,000 張 34 美元,而 Nano Banana Pro 約為 134 美元;實際帳單取決於供應商、解析度和設定。

我們先前的測試發現 MAI Image 2 具有出色的真實感,但在編輯和輸出格式方面存在令人沮喪的限制。較新的版本透過微軟的 Canvas 工作區增加了互動式編輯、透明背景,並透過 Foundry 提供更廣泛的存取,儘管影像品質和可用的產品仍然是兩回事。話雖如此,該模型也受到了相當嚴格的審查。