微软在开发者大会「Build 2026」上展示了一批自主研发的全新AI模型。其中的核心，是能把文字指令转化为软件代码、专攻编程的「MAI-Code-1-Flash」，以及会一步步思考再给出答案的推理模型「MAI-Thinking-1」。这家长期依赖OpenAI等公司模型的企业，明确表达了用自家模型来承担核心能力的姿态。
把文字变成代码的「MAI-Code-1-Flash」
MAI-Code-1-Flash是微软首款自研编程模型。它接收用户用自然语言写下的需求，输出应用和网站的源代码。近来，一种被称为「氛围编程」（vibe coding）的用法迅速流行，即便没有技术背景的人，也能仅凭自然语言指令搭建软件，微软正是想抓住这一需求。
在设计上，该模型采用了只调动相关专家的Mixture-of-Experts（MoE，专家混合）结构。整体拥有1370亿参数，但单次处理实际运行的仅为50亿参数，兼顾了规模与运行的轻量。可处理的上下文长度最高达25.6万个词元。
提供方式同样注重实用。该模型已嵌入代码补全服务「GitHub Copilot」和代码编辑器「Visual Studio Code」，将面向个人用户分阶段开放。微软还把低价作为卖点，公布的价格为每100万输入词元0.75美元（约120日元）、每100万输出词元4.50美元（约720日元）。 ※1美元=160日元
主打效率的推理模型「MAI-Thinking-1」
另一款MAI-Thinking-1，则是先理清思路再给出答案的推理模型。微软在这款产品上同样强调效率，即「以较低的词元消耗，实现较高的性能」。词元是模型读写数据的最小单位，其消耗量直接关系到开发者所支付的成本。
其规模属于万亿参数级别，但单次处理运行的仅为350亿参数，同样是一种收窄运行部分的设计。它将先通过应用嵌入服务「Microsoft Foundry」的限定预览版提供，在广泛开放之前，先面向希望试用的客户征集意向。用户可通过导入自有数据，进一步提升推理模型的准确度。
关于训练数据，微软表示并未依赖从第三方模型「蒸馏」输出，而是基于干净且已获得适当授权的数据从零训练而成。微软AI负责人Mustafa Suleyman表示，在为咨询巨头麦肯锡调整模型的案例中，其成绩超过了OpenAI的「GPT-5.5」，并以高出10倍的成本效率实现了这一点。
意在淡化对OpenAI的依赖
此次发布的背后，是微软在AI领域定位的转变。该公司此前一边提供云基础设施，一边向OpenAI出资130亿美元（约2万亿日元）、向Anthropic出资50亿美元（约8000亿日元），并通过自家云「Azure」提供两家公司的模型。
然而，使用前沿模型的成本持续上升。一旦拥有自家模型，便可在Azure上运行、省去向外部的支付，并把由此节省的成本回馈给开发者。谷歌已先行一步，在5月发布了可在自家数据中心运行、支持编程的模型「Gemini 3.5 Flash」，各公司用自研模型压低成本的趋势正在增强。
与此同时，作为微软出资对象的OpenAI与Anthropic都在迈向上市。Anthropic已于6月1日完成上市申请，OpenAI也据称将年内上市纳入视野。在此背景下，微软正把重心从模型的「使用方」转向「制造方」，试图切入AI的根基本身。首席执行官Satya Nadella在台上表示：「各位刚刚看到的，是一次相当大的转变。我们相信，每一家企业从消费前沿模型，转向真正参与到前沿生态之中的时刻已经到来。」
延伸到语音与图像的模型阵容
此次展示的并不止于编程与推理两款。微软还更新了语音识别、合成语音生成、图像生成等面向云端的模型，并展示了可在Windows PC上运行的小型模型。通过为各类用途备齐自家模型，该公司透露出由自身承担AI各个层面的姿态。
总结
微软在Build 2026上发布了以编程用MAI-Code-1-Flash和推理用MAI-Thinking-1为核心的自研模型阵容。两者都采用了收窄运行参数的效率优先设计，并以低成本为卖点。此举淡化了微软对其重金投资的OpenAI等公司的依赖，标志着该公司转向以模型制造方身份加入前沿竞争的战略转变。
