
微軟以 MAI 模型押注低成本 AI 代理與企業私有部署
微軟在 Ignite 2026 發布 7 款自行開發的 MAI 模型,將焦點放在企業高頻、長時間運作的 AI 工作,包括程式修改與除錯、資安監控、影像與語音處理,以及模型路由。對採用 Azure 與 AI coding 工具的企業而言,這批產品的核心訊息是:微軟希望以較低的推理成本,承接原本可能交由頂級大型模型處理的日常任務。
不過,成本優勢目前主要來自微軟的自述。iThome 報道指出,微軟以多項基準比較新模型與 OpenAI、Anthropic 的產品;基準涵蓋範圍、實際工作流程、輸出品質與企業導入後的總成本,仍需要獨立測試驗證。企業也不能只看每次任務或 Token 的報價,還須衡量整合、監管、資料治理及人工覆核成本。
從 coding agents 到資安自動化
MAI Code 2 面向程式修改、修正錯誤及前端介面開發等工作。按 iThome 報道所引述的微軟數據,該模型在 4 項基準的效能達 GPT-6.1 Sol 的 98%,完成任務成本約為後者四成;與 Claude Opus 5.5 相比,效能為 96%,成本則約為 5%。另一款 MAI Code 2 Flash 則針對程式解說、修改與日常除錯等大量重複性工作。
這種分層意味著,企業可把較複雜或高風險的開發任務留給能力較高的模型,並將解釋程式、初步除錯等頻繁工作交給成本較低的模型。若模型路由與權限控管配套不足,節省下來的推理費用仍可能被反覆驗證輸出結果的人力消耗抵銷。
資安方面,MAI Cyber 2 Flash 用於持續監控、漏洞掃描與修補。微軟宣稱,它在 CyberGymE2E 測試的表現可與 GPT-6 Astra 相當,完成同類任務的成本不足後者 2%;相較 MAI Cyber 1.1 Flash,輸出 Token 價格降低 86%。這類模型若用於協助整理告警、分析弱點或提出修補建議,或可減輕資安團隊的重複作業;但涉及實際變更系統時,企業仍須設計審批、測試與回復機制,不能把自動化建議直接視為可執行指令。
圖片:微軟
Decision 1.1 與自管權重的企業意義
微軟同時推出 Decision 1.1,讓系統按任務需要選用不同 AI 模型,而非一律採用昂貴的大型模型。iThome 指出,微軟稱此系統已有 4,000 家客戶採用,速度比 GPT-Sol 6.1 快 50 倍,成本約為其 1/79。對企業而言,路由能力的價值在於把品質、延遲與成本變成可配置的取捨;前提是路由判斷本身必須可靠,並可追溯每項工作為何交由特定模型處理。
另一項值得留意的安排是 MAI Licensed Weights。企業可取得訓練完成的 MAI 模型權重,在自己的 Azure 環境部署及執行,並使用內部資料客製化,而非完全依賴微軟代管 API。這可讓企業自行管理存取權限與專有資料控制,但也代表其要承擔部署、維運、存取治理與模型更新的責任。
接下來值得觀察的是,微軟能否以第三方評測證實其成本與效能主張,以及企業會否把這些模型先部署在低風險的 coding 與資安輔助流程,再逐步擴展到更具自主性的 AI 代理工作。
延伸閱讀
AI 輔助說明: 本文由 AI 協助整理。
參考來源
- iThome — 微軟推出7款自研AI模型,以低價挑戰OpenAI及Anthropic — original report
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。







