マイクロソフト、自社開発モデル「MAI-Image-2.5-Pro」および「MAI-Voice-2-Flash」を発表。これらはすでにBingおよびPowerPointに統合されている
7月23日、マイクロソフトは、2つの独自AIモデル「MAI-Image-2.5-Pro」および「MAI-Voice-2-Flash」のパブリックプレビューを発表しました。これらのモデルは、高品質な画像生成と高同時接続数の音声対話に対応するように設計されています。 マイクロソフトは、トレーニングデータがクリーンで追跡可能であり、サードパーティのモデル蒸留から派生したものではないことを強調しました。これらのモデルはゼロから構築されており、マイクロソフト製品のユーザーに直接提供されます。

最高精度の画像モデルにより、GPUコストを最大84%削減
MAI-Image-2.5-Proは、マイクロソフトが提供する最も精度の高い画像モデルであり、ヒーロー画像の生成、詳細な編集、画像内テキストのレンダリングといった要求の厳しいユースケースを対象とし、自然言語による編集指示にも対応しています。このモデルはBing Image Creatorのデフォルトの画像生成モデルとなっており、PowerPointでの画像間編集にも使用されています。 GPT-Image-2と比較して、GPUコストを最大84%削減します。OneDriveへの導入後、シナリオの成功率は26%上昇し、P95レイテンシは約25%低下し、中程度の負荷がかかる本番環境における効率は2.5倍に向上しました。
料金体系は、テキスト入力の場合100万トークンあたり5ドル、画像出力の場合100万トークンあたり106ドルです。
音声モデルの処理速度が2倍に、T-Mobileなどの顧客にサービスを提供

MAI-Voice-2-Flashは、高頻度で利用される音声アプリケーション向けに最適化されており、前世代モデルに比べて処理速度が約2倍、コストが32%削減されているため、コンタクトセンターや音声アシスタントなどの迅速な応答が求められるシナリオに最適です。 Dynamics 365 Contact Centerに統合され、T-MobileやEasyJetなどの顧客にサービスを提供しており、GPUコストを最大89%削減しています。また、マイクロソフトはこのモデルをAzure Voice Liveサービスに組み込み、開発者が音声対音声の対話型エージェントを構築できるようにしました。
さらに、同シリーズの「MAI-Transcribe-1.5」モデルは、17万人の医療従事者が利用する医療向け音声ソリューション「Dragon Copilot」に採用されています。このソリューションは前四半期に2,800万件の患者相談を処理し、58言語に対応しており、ほとんどの言語において文字起こしの誤り率を約50%低減しています。 マイクロソフトは、次世代のGB200コンピューティングクラスターがすでに稼働しており、MAIシリーズは今後も拡大を続けていくことを明らかにした。
関連記事
MozillaはMistralと提携し、Firefoxの「Smart Window」にAIモデルを導入する
Mozillaは、フランスのAIスタートアップ企業Mistralと提携し、MistralモデルをFirefoxに統合することで、実験的な機能「Firefox Smart Window」のブラウジング体験を強化しました。複雑で複数のタブを跨ぐタスクを想定して設計された「Smart Window」は、ユーザーが検索結果を分析したり、過去の情報を検索したり、タブを整理したり、現在のブラウジング状況に基づ
OpenAIは、従来のアプリに代わるAIエージェントを搭載したスマートフォンの開発を検討していると報じられている
OpenAIのハードウェア戦略に関する憶測が激化しており、最近の報道では専用スマートフォンの開発に向けた動きが指摘されている。業界アナリストのミン・グオ氏は、このデバイスの市場投入に向けて、チップメーカーのメディアテックとクアルコム、および製造パートナーのルクシャと協力していると示唆している。Appleの製品ロードマップに関する正確な予測で知られるグオ氏は、OpenAIがメディアテックとクアルコムと提携してカスタムスマートフォンプロセッサを開発中であると明らかにした。ルクシャは、本プロジェクト
Google Tests Gemini Daily Brief Text Customization for Precise Fine-Tuning
Googleは、Googleアプリ17.43.11ベータ版におけるGemini Daily Brief向けに、直接プロンプトのカスタマイズ機能をロールアウトしており、ユーザーはテキスト、音声コマンド、またはプリセットされた設定を通じて朝のAIサマリーをカスタマイズできるようになる。このアップデートは、以前の固定メニューによるインタラクションモデルを置き換え、2026年のGoogle I/Oカンファレンスで発表されたPixel 10 Daily Hubの拡張機能に基づいて構築されており、朝の情報集
関連特集おすすめ
コメント (0)
0/500
7月23日、マイクロソフトは、2つの独自AIモデル「MAI-Image-2.5-Pro」および「MAI-Voice-2-Flash」のパブリックプレビューを発表しました。これらのモデルは、高品質な画像生成と高同時接続数の音声対話に対応するように設計されています。 マイクロソフトは、トレーニングデータがクリーンで追跡可能であり、サードパーティのモデル蒸留から派生したものではないことを強調しました。これらのモデルはゼロから構築されており、マイクロソフト製品のユーザーに直接提供されます。

最高精度の画像モデルにより、GPUコストを最大84%削減
MAI-Image-2.5-Proは、マイクロソフトが提供する最も精度の高い画像モデルであり、ヒーロー画像の生成、詳細な編集、画像内テキストのレンダリングといった要求の厳しいユースケースを対象とし、自然言語による編集指示にも対応しています。このモデルはBing Image Creatorのデフォルトの画像生成モデルとなっており、PowerPointでの画像間編集にも使用されています。 GPT-Image-2と比較して、GPUコストを最大84%削減します。OneDriveへの導入後、シナリオの成功率は26%上昇し、P95レイテンシは約25%低下し、中程度の負荷がかかる本番環境における効率は2.5倍に向上しました。
料金体系は、テキスト入力の場合100万トークンあたり5ドル、画像出力の場合100万トークンあたり106ドルです。
音声モデルの処理速度が2倍に、T-Mobileなどの顧客にサービスを提供

MAI-Voice-2-Flashは、高頻度で利用される音声アプリケーション向けに最適化されており、前世代モデルに比べて処理速度が約2倍、コストが32%削減されているため、コンタクトセンターや音声アシスタントなどの迅速な応答が求められるシナリオに最適です。 Dynamics 365 Contact Centerに統合され、T-MobileやEasyJetなどの顧客にサービスを提供しており、GPUコストを最大89%削減しています。また、マイクロソフトはこのモデルをAzure Voice Liveサービスに組み込み、開発者が音声対音声の対話型エージェントを構築できるようにしました。
さらに、同シリーズの「MAI-Transcribe-1.5」モデルは、17万人の医療従事者が利用する医療向け音声ソリューション「Dragon Copilot」に採用されています。このソリューションは前四半期に2,800万件の患者相談を処理し、58言語に対応しており、ほとんどの言語において文字起こしの誤り率を約50%低減しています。 マイクロソフトは、次世代のGB200コンピューティングクラスターがすでに稼働しており、MAIシリーズは今後も拡大を続けていくことを明らかにした。
MozillaはMistralと提携し、Firefoxの「Smart Window」にAIモデルを導入する
Mozillaは、フランスのAIスタートアップ企業Mistralと提携し、MistralモデルをFirefoxに統合することで、実験的な機能「Firefox Smart Window」のブラウジング体験を強化しました。複雑で複数のタブを跨ぐタスクを想定して設計された「Smart Window」は、ユーザーが検索結果を分析したり、過去の情報を検索したり、タブを整理したり、現在のブラウジング状況に基づ
OpenAIは、従来のアプリに代わるAIエージェントを搭載したスマートフォンの開発を検討していると報じられている
OpenAIのハードウェア戦略に関する憶測が激化しており、最近の報道では専用スマートフォンの開発に向けた動きが指摘されている。業界アナリストのミン・グオ氏は、このデバイスの市場投入に向けて、チップメーカーのメディアテックとクアルコム、および製造パートナーのルクシャと協力していると示唆している。Appleの製品ロードマップに関する正確な予測で知られるグオ氏は、OpenAIがメディアテックとクアルコムと提携してカスタムスマートフォンプロセッサを開発中であると明らかにした。ルクシャは、本プロジェクト
Google Tests Gemini Daily Brief Text Customization for Precise Fine-Tuning
Googleは、Googleアプリ17.43.11ベータ版におけるGemini Daily Brief向けに、直接プロンプトのカスタマイズ機能をロールアウトしており、ユーザーはテキスト、音声コマンド、またはプリセットされた設定を通じて朝のAIサマリーをカスタマイズできるようになる。このアップデートは、以前の固定メニューによるインタラクションモデルを置き換え、2026年のGoogle I/Oカンファレンスで発表されたPixel 10 Daily Hubの拡張機能に基づいて構築されており、朝の情報集





家






