فهرست مطالب
شرکت مایکروسافت در رویداد Ignite 2026 از هفت مدل جدید هوش مصنوعی خانواده MAI رونمایی کرد که با هزینه کمتر، OpenAI و آنتروپیک را به چالش میکشند.
به گزارش سرویس هوش مصنوعی تکناک، این مدلها برای انجام وظایفی مانند برنامهنویسی، امنیت سایبری، تولید تصویر، مکالمات صوتی، تبدیل گفتار به متن و تصمیمگیری هوشمند طراحی شدهاند.
مایکروسافت با توسعه این مدلها قصد دارد وابستگی خود را به فناوری شرکتهای دیگر کاهش دهد و جایگاه قدرتمندتری در بازار هوش مصنوعی سازمانی به دست آورد. همچنین این شرکت تلاش میکند هزینه اجرای عاملهای هوش مصنوعی را کاهش دهد تا سازمانها بتوانند از این فناوری به صورت شبانهروزی استفاده کنند.
مایکروسافت در معرفی محصولات جدید خود، بر نسبت عملکرد به هزینه تأکید کرده است. این شرکت معتقد است که افزایش مصرف توکن در سامانههای هوش مصنوعی، هزینه قابل توجهی به کسبوکارها تحمیل میکند و مدلهای کمهزینه میتوانند استفاده گسترده از این فناوری را امکانپذیر کنند.
کاربردهای مدلهای هوش مصنوعی MAI مایکروسافت
مایکروسافت مدل MAI Cyber 2 Flash را برای مقابله با تهدیدهای سایبری و محافظت از زیرساختهای سازمانی توسعه داده است. این مدل میتواند در شناسایی آسیبپذیریها، نظارت بر سیستمها و رفع مشکلات امنیتی به متخصصان کمک کند.
مایکروسافت اعلام کرده است که MAI Cyber 2 Flash در بنچمارک CyberGymE2E عملکردی بهتر از GPT-6 Astra دارد، درحالیکه هزینه اجرای هر وظیفه آن کمتر از دو درصد هزینه مدل رقیب است.
این مدل با استفاده از دادههای اختصاصی مایکروسافت و تجربه این شرکت در حوزه امنیت سایبری توسعه یافته است. مدلهای قبلی MAI Cyber نزدیک به ۴۰ درصد اسکنهای پلتفرم MDASH را انجام دادهاند. همچنین ۹۰ درصد اسکنهایی که با مدلهای MAI آغاز شدهاند، با همین مدلها ادامه پیدا کردهاند.
مایکروسافت هزینه توکنهای خروجی مدل جدید را نیز در مقایسه با MAI Cyber 1.1 Flash حدود ۸۶ درصد کاهش داده است.
مدل دوم، MAI Code 2، برای برنامهنویسی و توسعه نرمافزار در محیطهای سازمانی طراحی شده است. این مدل در چهار بنچمارک DeepSWE 1.1، Terminal Bench 2.1، SWE-Atlas و FrontierCode v1.1 ارزیابی شده است.
نتایج اعلامشده نشان میدهند که MAI Code 2 به ۹۸ درصد عملکرد GPT-6.1 Sol دست یافته است، درحالیکه هزینه استفاده از آن حدود ۴۰ درصد هزینه رقیب است. همچنین این مدل ۹۶ درصد عملکرد Claude Opus 5.5 را با تنها پنج درصد هزینه ارائه میدهد.
مایکروسافت قابلیت طراحی داشبوردها و رابطهای کاربری را نیز در این مدل بهینه کرده است. در یک ارزیابی ناشناس، توسعهدهندگان در ۶۴ درصد موارد خروجی MAI Code 2 را به GPT-6 Sol ترجیح دادهاند.
البته مایکروسافت تأکید کرده است که این مدل هنوز برای مسائل بسیار پیچیده، مانند تحقیقات بنیادی علمی و وظایف طولانیمدت عاملهای هوش مصنوعی بهینه نشده است. کاربران اکنون میتوانند از آن در GitHub Copilot استفاده کنند.
مدل سوم، MAI Code 2 Flash، برای انجام سریع وظایف پرتکرار برنامهنویسی ساخته شده است. این مدل میتواند کدها را توضیح دهد، بخشهای مشخصی را ویرایش کند و خطاهای معمول را برطرف کند.
مایکروسافت اعلام کرده است که عملکرد این مدل در سه بنچمارک برنامهنویسی با GPT-6 Luna و Claude Haiku 5.5 قابل مقایسه است. هزینه استفاده از آن نیز بهترتیب ۶۵ درصد و ۲۰ درصد هزینه این دو رقیب خواهد بود.
این مدل در GitHub Copilot عرضه شده و نسخه پیشنمایش آن با دسترسی محدود در Microsoft Foundry قرار گرفته است.
رقابت مایکروسافت در تولید تصویر و پردازش صوت

مدل هوش مصنوعی چهارم مایکروسافت، MAI Image 2.7، برای تولید و ویرایش تصاویر توسعه یافته است. مایکروسافت ادعا کرده که این مدل در رتبهبندی ویرایش تصویر Artificial Analysis جایگاه نخست را کسب کرده و از GPT Image 2.6 Sunburst در حالت حداکثر کیفیت پیشی گرفته است.
هزینه استفاده از MAI Image 2.7 نیز تنها یکپنجم هزینه مدل رقیب اعلام شده است. این مدل در بخش تولید تصویر از متن رتبه چهارم را به دست آورده و مایکروسافت را در جایگاه دوم آزمایشگاههای فعال این حوزه قرار داده است.
مایکروسافت نسخه دیگری با نام MAI Image 2.7 Flash را نیز معرفی کرده است. این نسخه برای تولید تعداد زیادی تصویر طراحی شده و هزینه ساخت هزار تصویر با آن حدود ۱۰ دلار است. هر دو مدل در Microsoft Foundry ارائه میشوند.
پنجمین مدل، MAI Realtime 1، نخستین مدل مایکروسافت برای تبدیل مستقیم گفتار به گفتار است. این فناوری امکان برقراری مکالمات صوتی طبیعی با تأخیر بسیار کم را فراهم میکند.
مایکروسافت بیان کرده که MAI Realtime 1 در ارزیابیهای خارجی و آزمایشهای Dynamics 365 عملکرد بهتری نسبت به GPT-Realtime 2.1 داشته است. هزینه استفاده از این مدل از ۰.۰۱ دلار برای هر دقیقه صوت آغاز میشود. کاربران میتوانند این فناوری را در محیط MAI Labs آزمایش کنند و برای دریافت دسترسی گستردهتر درخواست دهند.
مدل ششم با نام Dragon Copilot Transcribe بر پایه MAI Transcribe 2 توسعه یافته است. مایکروسافت این فناوری را سریعترین و دقیقترین مدل چندزبانه تبدیل گفتار به متن در جهان معرفی میکند.
این مدل اکنون تمام فرایند تبدیل مکالمات پزشکان و بیماران به متن را در Dragon Copilot انجام میدهد. به گفته مایکروسافت، این سامانه ماهانه مکالمات مربوط به ۱۰ میلیون مراجعه پزشکی را پردازش میکند.
همچنین فناوری جدید نرخ خطا در فرایندهای چندزبانه را به نصف کاهش داده است. مایکروسافت اعلام کرده است که Dragon Copilot در دسترس یکسوم پزشکان آمریکایی قرار دارد.
مدل هوش مصنوعی MAI مایکروسافت در تصمیمگیری
هفتمین محصول، Decision 1.1، برای انتخاب هوشمند مدلهای هوش مصنوعی طراحی شده است. این فناوری نوع وظیفه را بررسی میکند و مدل مناسب را برای اجرای آن انتخاب میکند.
در نتیجه، سازمانها میتوانند وظایف ساده را به مدلهای ارزانتر بسپارند و فقط هنگام نیاز از مدلهای بزرگتر استفاده کنند.
مایکروسافت اعلام کرده است که Decision 1.1 در شاخص AA Decision Index از رقبایی مانند گوگل، OpenAI و Jev پیشی گرفته است.
این مدل در مقایسه با GPT-Sol 6.1 حدود ۵۰ برابر سریعتر و ۷۹ برابر ارزانتر است. درحالحاضر، نزدیک به چهار هزار مشتری از این فناوری استفاده میکنند.
مایکروسافت در کنار معرفی مدلهای جدید، از آغاز بهرهبرداری از شتابدهنده هوش مصنوعی Maia 200 نیز خبر داده است.
این تراشه نسل دوم شتابدهندههای اختصاصی مایکروسافت محسوب میشود و پیشتر در سال ۲۰۲۶ معرفی شده بود. Maia 200 اکنون برای اجرای بزرگترین مدلهای هوش مصنوعی این شرکت استفاده میشود.
براساس اعلام مایکروسافت، این شتابدهنده بهازای هر وات انرژی مصرفی، ۱.۷ برابر توکن بیشتری پردازش میکند. افزایش بهرهوری انرژی میتواند هزینه اجرای مدلهای بزرگ را کاهش دهد و استفاده گسترده از آنها را اقتصادیتر کند.
امکان اجرای مدلهای اختصاصی در زیرساخت Azure

مایکروسافت برنامه جدیدی با نام MAI Licensed Weights را نیز معرفی کرده است که امکان شخصیسازی مدلهای هوش مصنوعی را در اختیار سازمانها قرار میدهد.
شرکتها میتوانند مدلهای هوش مصنوعی پیشرفته MAI مایکروسافت را با دادههای اختصاصی خود تطبیق دهند و نسخه سفارشی را در محیط Azure متعلق به سازمان اجرا کنند.
در این روش، کنترل دسترسی به مدل، دادههای اختصاصی و تغییرات اعمالشده بر آن در اختیار مشتری باقی میماند.
مایکروسافت برای نمایش قابلیتهای شخصیسازی، به همکاری خود با شرکت مخابراتی AT&T اشاره کرده است. این شرکت یک مدل سفارشی MAI را برای تحلیل عملیات شبکههای 5G توسعه داده است.
مدل اختصاصی AT&T توانسته است با هزینهای ۵۰ برابر کمتر، عملکرد بهتری نسبت به GPT-6.1 Sol ارائه دهد. همچنین این شرکت اعلام کرده است که MAI Code 2 در برخی وظایف پیچیده، عملکردی در سطح مدلهای پیشرفته بازار و با هزینه کمتر داشته است.
مایکروسافت قصد دارد از طریق برنامه Frontier Company به سازمانها در توسعه مدلهای سفارشی و ادغام آنها با محصولات و عاملهای هوش مصنوعی کمک کند.
این شرکت با معرفی خانواده جدید MAI، شتابدهنده Maia 200 و قابلیت شخصیسازی مدلها، مجموعهای از ابزارهای نرمافزاری و سختافزاری را برای استفاده سازمانی از هوش مصنوعی ارائه کرده است.
با وجود این، بخش عمده مقایسههای عملکرد و هزینه این محصولات بر پایه ارزیابیها و ادعاهای منتشرشده از سوی مایکروسافت است و برای تأیید برتری آنها در شرایط واقعی، بررسیهای مستقل بیشتری لازم خواهد بود.
















