微軟在開發者大會「Build 2026」上展示了一批自主研發的全新AI模型。其中的核心，是能將文字指令轉換為軟體原始碼、專攻程式開發的「MAI-Code-1-Flash」，以及會一步步思考後再給出答案的推理模型「MAI-Thinking-1」。這家長期仰賴OpenAI等公司模型的企業，明確展現出以自家模型來承擔核心能力的姿態。
把文字化為程式碼的「MAI-Code-1-Flash」
MAI-Code-1-Flash是微軟首款自研的程式開發模型。它接收使用者以自然語言寫下的需求，輸出應用程式與網站的原始碼。近來，一種被稱為「氛圍編碼」（vibe coding）的用法迅速流行，即使沒有技術背景的人，也能僅憑自然語言指令組建軟體，微軟正是想抓住這股需求。
在設計上，這款模型採用了只調動相關專家的Mixture-of-Experts（MoE，專家混合）結構。整體擁有1370億參數，但單次處理實際運作的僅為50億參數，兼顧了規模與運作的輕量。可處理的脈絡長度最高達25.6萬個詞元。
提供方式同樣注重實用。這款模型已嵌入程式碼補完服務「GitHub Copilot」與程式碼編輯器「Visual Studio Code」，將面向個人使用者分階段開放。微軟也把低價當作賣點，公布的價格為每100萬輸入詞元0.75美元（約120日圓）、每100萬輸出詞元4.50美元（約720日圓）。 ※1美元=160日圓
主打效率的推理模型「MAI-Thinking-1」
另一款MAI-Thinking-1，則是先理清思路再給出答案的推理模型。微軟在這款產品上同樣強調效率，亦即「以較低的詞元消耗，實現較高的效能」。詞元是模型讀寫資料的最小單位，其消耗量直接關係到開發者所支付的成本。
其規模屬於兆級參數，但單次處理運作的僅為350億參數，同樣是一種收窄運作部分的設計。它將先透過應用程式嵌入服務「Microsoft Foundry」的限定預覽版提供，在廣泛開放之前，先向希望試用的客戶徵集意願。使用者可透過匯入自有資料，進一步提升推理模型的準確度。
關於訓練資料，微軟表示並未依賴從第三方模型「蒸餾」輸出，而是基於乾淨且已取得適當授權的資料從零訓練而成。微軟AI負責人Mustafa Suleyman表示，在為顧問業巨頭麥肯錫調整模型的案例中，其表現超越了OpenAI的「GPT-5.5」，並以高出10倍的成本效率達成這一點。
意在淡化對OpenAI的依賴
這次發表的背後，是微軟在AI領域定位的轉變。該公司過去一邊提供雲端基礎設施，一邊向OpenAI出資130億美元（約2兆日圓）、向Anthropic出資50億美元（約8000億日圓），並透過自家雲端「Azure」提供兩家公司的模型。
然而，使用前沿模型的成本持續上升。一旦擁有自家模型，便可在Azure上運作、省去向外部的支付，並把由此節省的成本回饋給開發者。Google已先行一步，在5月發表了可在自家資料中心運作、支援程式開發的模型「Gemini 3.5 Flash」，各公司以自研模型壓低成本的趨勢正在增強。
與此同時，身為微軟出資對象的OpenAI與Anthropic都正邁向上市。Anthropic已於6月1日完成上市申請，OpenAI也據稱已將年內上市納入考量。在此背景下，微軟正把重心從模型的「使用方」轉向「製造方」，試圖切入AI的根基本身。執行長Satya Nadella在台上表示：「各位剛剛看到的，是一次相當大的轉變。我們相信，每一家企業從消費前沿模型，轉向真正參與前沿生態之中的時刻已經到來。」
延伸至語音與影像的模型陣容
這次展示的並不止於程式開發與推理這兩款。微軟還更新了語音辨識、合成語音生成、影像生成等面向雲端的模型，並展示了可在Windows PC上運作的小型模型。透過為各類用途備齊自家模型，該公司透露出由自身承擔AI各個層面的姿態。
總結
微軟在Build 2026上發表了以程式開發用MAI-Code-1-Flash與推理用MAI-Thinking-1為核心的自研模型陣容。兩者都採用了收窄運作參數的效率優先設計，並以低成本為賣點。此舉淡化了微軟對其重金投資的OpenAI等公司的依賴，標誌著該公司轉向以模型製造方身分加入前沿競爭的戰略轉變。
