微軟 MAI 圖像、語音模型正式公開預覽，所謂平過 GPT 有幾實在？
兩款自研模型價錢公開，GPU 成本數字要睇清楚比較場景
微軟開始用自家模型接手日常工作
微軟今次推出 MAI-Image-2.5-Pro 同 MAI-Voice-2-Flash，兩款模型都已經進入公開預覽。前者主打高質素圖片生成同精準修改，特別著重畫面文字、人物、物件同品牌素材嘅一致性；後者就為語音 agent、客服中心同 IVR 呢類講求即時回應嘅場景而設。iThome 報道把方向概括成逐步取代 OpenAI 模型，不過微軟官方嘅講法收窄好多：旗下產品會按質素、速度同成本揀模型，逐個場景轉用 MAI，暫時冇話全面放棄 GPT。
圖片：Microsoft AI
API 價錢公開，Pro 本身其實唔算平
MAI-Image-2.5-Pro 每 100 萬個文字輸入 token 收 5 美元，圖片輸入 token 收 8 美元，圖片輸出 token 就收 106 美元。作為對照，普通 MAI-Image-2.5 嘅圖片輸出係 47 美元，即係 Pro 貴一倍有多，主打較高畫面精準度同一致性。MAI-Voice-2-Flash 就按文字量收費，每 100 萬個字元 15 美元，低過 MAI-Voice-2 嘅 22 美元；微軟亦聲稱 Flash 快兩倍、平 32%。呢啲全部係官方牌價同官方表現數字，暫時未見獨立測試核實。
圖片：Microsoft AI
84% 同 89% 講緊 GPU，唔係 API 帳單
最容易睇錯係「平過 GPT」呢句。微軟話 PowerPoint 嘅圖片轉圖片功能改用 MAI-Image-2.5 後，GPU 成本最多低過 GPT-Image-2 84%；留意用嘅係普通 2.5，唔係今次新出嘅 Pro。Dynamics 365 Contact Center 用 MAI-Voice-2-Flash 後，官方就話 GPU 成本最多減 89%。iThome 把後者寫成同 GPT 比較，但微軟公告喺同一項說明入面冇列明確實比較型號。GPU 成本仲會受批次、使用率、延遲目標同微軟內部部署方式影響，開發者唔應該直接套用落自己張 Azure 單。
Bing、PowerPoint、OneDrive 已經真係轉用 MAI
MAI 已經唔只係實驗室示範。微軟話 Bing Image Creator 而家預設全程使用 MAI-Image-2.5；PowerPoint 嘅圖片轉換功能亦已經採用同一模型。OneDrive 部分主要圖片修改場景都換咗模型，官方內部數據話儲存率升 26%、P95 延遲縮短約 25%，中等使用率工作負載嘅效率高 2.5 倍。語音方面，MAI-Voice-2-Flash 已經接入 Dynamics 365 Contact Center 同 Azure Voice Live。呢批數字反映微軟已經將模型放入自家產品使用，不過仍然全數來自微軟，亦冇公開完整測試方法。
香港開發者想用，部署位置同帳戶權限要睇清楚
微軟文件列出 MAI 圖片模型可用 Global Standard 部署，Foundry 資源要開喺 West Central US、East US、West US、West Europe、Sweden Central、South India 或 UAE North，名單入面冇香港同 Southeast Asia。香港 Azure 帳戶可唔可以部署仍受訂閱權限、配額同預覽開放情況影響，暫時要喺實際帳戶確認。Global Standard 亦代表推理資料可能喺全球支援區域處理，唔好見到資源開喺某個地區，就當所有資料都留喺嗰度。
粵語語音暫時未有份
語音服務嘅情況有少少唔同：官方地區表顯示 Southeast Asia 支援 MAI voices，而 Azure Speech 文件話資料只會喺 Speech 資源所屬地區處理。不過 MAI-Voice-2-Flash 現有 18 個 locale 入面，中文只見 zh-CN 普通話，冇 zh-HK 或粵語聲線。文件標示服務可供第三方開發者使用，微軟亦稱持有相關商用授權，但兩款模型始終仲係公開預覽，冇正式 SLA，價格、配額同功能都可能改。想做粵語客服 agent 嘅公司，而家應先測試語言、延遲同資料駐留，未適合單靠官方成本百分比決定轉模型。
參考來源
- iThome — 微軟公布MAI-Image-2.5-Pro、MAI-Voice-2-Flash，強調比GPT更省成本 — original report
- Introducing MAI-Image-2.5-Pro and MAI-Voice-2-Flash — 微軟官方公告，核實 API 價錢、產品採用情況同內部 GPU 成本數字。
- Deploy and use MAI image models in Microsoft Foundry — 核實 MAI-Image-2.5-Pro 預覽狀態、版本、部署方式同 Global Standard 資源地區。
- What is MAI-Voice? — 核實 Flash 支援語言、預設聲線、公開預覽限制同第三方使用資料。
- Supported regions for Azure Speech — 核實 Southeast Asia 嘅 MAI voices 支援情況同 Azure Speech 資料處理地區說明。
- Deployment types for Microsoft Foundry Models — 解釋 Global Standard 嘅跨區處理方式同資料駐留風險。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
