微軟首度推出自主研發的模型 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash,現已整合至 Bing 與 PowerPoint
7 月 23 日,微軟宣布推出兩款專有 AI 模型的公開預覽版:MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash。這些模型專為高品質影像生成及高並發語音互動而設計。 微軟強調,其訓練資料經過嚴格清理、可追溯,且並非源自第三方模型蒸餾。這些模型完全從頭開始建構,直接服務於微軟產品的使用者。

最高精度的影像模型可將 GPU 成本降低多達 84%
MAI-Image-2.5-Pro 是微軟最精準的影像模型,專為英雄圖生成、細部編輯及圖中文字渲染等高要求應用場景而設計,同時支援自然語言編輯指令。它已成為 Bing Image Creator 的預設影像生成模型,並用於 PowerPoint 中的圖像到圖像編輯。 相較於 GPT-Image-2,它可將 GPU 成本降低多達 84%。在 OneDrive 部署後,情境成功率提升了 26%,P95 延遲降低了約 25%,且在中等負載的生產環境中,效率提升了 2.5 倍。
定價方面,文字輸入為每百萬個代幣 5 美元,圖片輸出為每百萬個代幣 106 美元。
語音模型速度翻倍,服務 T-Mobile 等客戶

MAI-Voice-2-Flash 針對高頻率語音應用進行了優化,速度約為上一代的兩倍,且成本降低 32%,非常適合客服中心和語音助理等需要快速回應的場景。 該模型已整合至 Dynamics 365 Contact Center,為 T-Mobile 和 EasyJet 等客戶提供服務,並將 GPU 成本降低多達 89%。微軟亦已將其嵌入 Azure Voice Live 服務中,讓開發人員能夠建置語音對語音的互動式代理程式。
此外,同系列的 MAI-Transcribe-1.5 模型已應用於醫療語音解決方案 Dragon Copilot,該方案目前有 17 萬名醫療保健提供者使用。該模型上季處理了 2,800 萬次病患諮詢,支援 58 種語言,並將多數語言的轉錄錯誤率降低約 50%。 微軟透露,新一代 GB200 運算叢集已投入運作,而 MAI 系列也將持續擴展。
相關文章
Mozilla 與 Mistral 合作,將 AI 模型導入 Firefox 智慧視窗
Mozilla 已與法國人工智慧新創公司 Mistral 合作,將 Mistral 模型整合至 Firefox 中,藉此提升實驗性功能「Firefox 智慧視窗」的瀏覽體驗。「智慧視窗」專為複雜的多分頁任務設計,能協助使用者分析搜尋結果、檢索過往資訊、整理分頁,並根據當前的瀏覽情境回答問題。此次推出標誌著該功能已擴展至美國和加拿大以外的地區,現已提供法語版本供法國使用者使用,英國和德語版本預計將於
據報道,OpenAI 正在探索一款智慧手機,其 AI 智慧體將取代傳統應用程式
關於 OpenAI 硬體戰略的猜測日益激烈,最近的報道指向其正在開發一款專用智慧手機。行業分析師郭明錤指出,這家 AI 公司正與晶片製造商聯發科(MediaTek)和高通(Qualcomm),以及製造合作伙伴立訊精密(Luxshare)合作,將該裝置推向市場。郭明錤以準確預測蘋果產品路線圖而聞名,他透露 OpenAI 正與聯發科和高通合作,研發一款定製智慧手機處理器。立訊精密將在該專案中擔任聯合設計者和製造商。據郭明錤稱,該裝置可能會繞過傳統應用程式,轉而採用由 AI 驅動的智慧體來執行各種
Google 測試 Gemini 每日簡報文字自定義功能,以實現精確微調
Google 正在 Google App 17.43.11 測試版中為 Gemini Daily Brief 推出直接提示自定義功能,使使用者能夠透過文字、語音命令或預設偏好來定製其早晨 AI 摘要。此更新取代了之前的固定選單互動模式,並基於在 2026 年 Google I/O 大會上釋出的 Pixel 10 Daily Hub 擴充套件,標誌著在早晨資訊聚合方面實現更深層次個性化的重要一步。技術分析顯示,新的互動式底部面板提供了諸如“優先處理電子郵件簡報”、“突出顯示學校和日程安排”或“使
相關專題推薦
評論 (0)
0/500
7 月 23 日,微軟宣布推出兩款專有 AI 模型的公開預覽版:MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash。這些模型專為高品質影像生成及高並發語音互動而設計。 微軟強調,其訓練資料經過嚴格清理、可追溯,且並非源自第三方模型蒸餾。這些模型完全從頭開始建構,直接服務於微軟產品的使用者。

最高精度的影像模型可將 GPU 成本降低多達 84%
MAI-Image-2.5-Pro 是微軟最精準的影像模型,專為英雄圖生成、細部編輯及圖中文字渲染等高要求應用場景而設計,同時支援自然語言編輯指令。它已成為 Bing Image Creator 的預設影像生成模型,並用於 PowerPoint 中的圖像到圖像編輯。 相較於 GPT-Image-2,它可將 GPU 成本降低多達 84%。在 OneDrive 部署後,情境成功率提升了 26%,P95 延遲降低了約 25%,且在中等負載的生產環境中,效率提升了 2.5 倍。
定價方面,文字輸入為每百萬個代幣 5 美元,圖片輸出為每百萬個代幣 106 美元。
語音模型速度翻倍,服務 T-Mobile 等客戶

MAI-Voice-2-Flash 針對高頻率語音應用進行了優化,速度約為上一代的兩倍,且成本降低 32%,非常適合客服中心和語音助理等需要快速回應的場景。 該模型已整合至 Dynamics 365 Contact Center,為 T-Mobile 和 EasyJet 等客戶提供服務,並將 GPU 成本降低多達 89%。微軟亦已將其嵌入 Azure Voice Live 服務中,讓開發人員能夠建置語音對語音的互動式代理程式。
此外,同系列的 MAI-Transcribe-1.5 模型已應用於醫療語音解決方案 Dragon Copilot,該方案目前有 17 萬名醫療保健提供者使用。該模型上季處理了 2,800 萬次病患諮詢,支援 58 種語言,並將多數語言的轉錄錯誤率降低約 50%。 微軟透露,新一代 GB200 運算叢集已投入運作,而 MAI 系列也將持續擴展。
Mozilla 與 Mistral 合作,將 AI 模型導入 Firefox 智慧視窗
Mozilla 已與法國人工智慧新創公司 Mistral 合作,將 Mistral 模型整合至 Firefox 中,藉此提升實驗性功能「Firefox 智慧視窗」的瀏覽體驗。「智慧視窗」專為複雜的多分頁任務設計,能協助使用者分析搜尋結果、檢索過往資訊、整理分頁,並根據當前的瀏覽情境回答問題。此次推出標誌著該功能已擴展至美國和加拿大以外的地區,現已提供法語版本供法國使用者使用,英國和德語版本預計將於
據報道,OpenAI 正在探索一款智慧手機,其 AI 智慧體將取代傳統應用程式
關於 OpenAI 硬體戰略的猜測日益激烈,最近的報道指向其正在開發一款專用智慧手機。行業分析師郭明錤指出,這家 AI 公司正與晶片製造商聯發科(MediaTek)和高通(Qualcomm),以及製造合作伙伴立訊精密(Luxshare)合作,將該裝置推向市場。郭明錤以準確預測蘋果產品路線圖而聞名,他透露 OpenAI 正與聯發科和高通合作,研發一款定製智慧手機處理器。立訊精密將在該專案中擔任聯合設計者和製造商。據郭明錤稱,該裝置可能會繞過傳統應用程式,轉而採用由 AI 驅動的智慧體來執行各種
Google 測試 Gemini 每日簡報文字自定義功能,以實現精確微調
Google 正在 Google App 17.43.11 測試版中為 Gemini Daily Brief 推出直接提示自定義功能,使使用者能夠透過文字、語音命令或預設偏好來定製其早晨 AI 摘要。此更新取代了之前的固定選單互動模式,並基於在 2026 年 Google I/O 大會上釋出的 Pixel 10 Daily Hub 擴充套件,標誌著在早晨資訊聚合方面實現更深層次個性化的重要一步。技術分析顯示,新的互動式底部面板提供了諸如“優先處理電子郵件簡報”、“突出顯示學校和日程安排”或“使





首頁






