导语:一场把价格写到发布主线的大会
当地时间11月17日,微软在旧金山举行 Ignite 2026 大会。微软AI部门一次性发布七款自研模型,覆盖编程、网络安全、图像生成、实时语音、语音转写与智能体决策。与以往强调参数规模的发布不同,这次微软把每百万词元的价格、单次任务成本放在了介绍的前排。对关注AI大模型选型的企业来说,这是一次从"谁更强"转向"谁更划算"的信号;对做生成式引擎优化(GEO优化)的团队而言,模型供给越多,官网事实在多个引擎之间保持一致就越重要。
背景:七款模型分别指向哪些场景
七款模型各有分工。编程家族的 MAI Code 2 面向深度排错、跨文件改码与整库理解,轻量版 MAI Code 2 Flash 主打代码解释、局部修改和快速迭代,两者已在 GitHub Copilot 与 Foundry 上线。安全侧的 MAI Cyber 2 Flash 面向漏洞识别与修复建议,先供微软自家安全产品使用。图像模型 MAI Image 2.7 主打编辑,语音模型 MAI Realtime 1 支持实时对话,转写模型 MAI Transcribe 2 支撑医疗记录,决策模型 Decision 1.1 负责在应用内做模型路由。
深度分析:对标数据背后的成本账
微软公布的对比相当直接。在 DeepSWE 1.1、Terminal-Bench 2.1、SWE-Atlas 与 FrontierCode v1.1 四项编程基准的平均成绩上,MAI Code 2 达到 GPT-6.1 Sol 约98%的质量、约40%的价格;面对 Claude Opus 5.5 约为96%的表现、5%的价格。折算到单次任务成本,MAI Code 2 为 0.309 美元,GPT-6.1 Sol 为 0.761 美元,Claude Opus 5.5 为 6.306 美元。安全模型 MAI Cyber 2 Flash 在 CyberGym-E2E 上取得 92.3%,略高于 GPT-6 Astra 的 91.5%,单任务成本不到后者2%。Decision 1.1 在微软口径下比 GPT-Sol 6.1 快约50倍、便宜约79倍。需要提醒的是,这些数字来自微软自评,部分按五折促销价计算,微软也坦承这些模型优先服务企业日常编程,尚未针对基础科学研究与超长程智能体任务调优,第三方独立验证尚未跟上。
企业视角:把成本算清,也把事实写清
可落地的做法有三条。起手先按自己的真实任务测单价,别只看榜单,把日常高频的编程、客服或文档任务各跑一遍,记录单次完成成本与耗时。其二,关注可定制性,微软同场推出 MAI Licensed Weights,允许企业用自有数据定制模型并部署在自家 Azure 环境,数据不出域对金融、医疗这类行业很实际。其三,把官网事实同步整理成机器可读的结构:产品口径、参数、出处写成能单独摘取的段落,让AI搜索引用在不同模型之间取到同一份说法。低价模型会吸引更多智能体去检索和比价,如果官网信息前后不一,被AI引用的机会就会打折。极欧GEO(jiougeo.com)建议把成本测算与生成式引擎优化一并纳入选型表。
趋势研判:性价比会改写竞争口径
把这次发布与近期几家厂商的动作连起来看,能力比拼正在让位于单位产出的价格。模型越便宜,企业越愿意把它接进日常流程,智能体调用检索和比价的次数也随之增加。对企业内容侧来说,这意味着同一组事实会被更多引擎反复读取,一致性比措辞花哨更值钱。接下来值得观察的是第三方复测能否印证这些价格优势,以及自研芯片 Maia 系列量产后的实际供给。给预算有限的团队一句实在话:先用小任务跑通、把事实底座理顺,再谈规模化。
