Microsoft анонсировала новые ИИ-модели для изображений и речи с низкими затратами

25 июля 2026 года Microsoft анонсировала публичный предварительный просмотр двух моделей искусственного интеллекта, разработанных внутри компании. MAI-Image-2.5-Pro является основным генератором изображений, тогда как MAI-Voice-2-Flash предназначена для распознавания речи в условиях высоких корпоративных нагрузок.

Microsoft подчеркнула, что новейшие модели продемонстрировали хорошую производительность, что позволяет компании полагаться на свои разработки, минуя решения от OpenAI. ИИ-модели интегрированы в множество продуктов, таких как Bing, PowerPoint, OneDrive, Dynamics 365, Excel, GitHub Copilot и Azure, что делает их важной частью рабочей инфраструктуры для миллионов пользователей. В компании отметили, что каждое улучшение направлено на использование собственных технологий.

MAI-Image-2.5-Pro занимает позицию премиум-класса, обеспечивая высокое качество генерации изображений и детальное редактирование. Использование этой модели через API обойдется в $5 за 1 миллион текстовых токенов на входе, $8 за 1 миллион токенов изображений на входе и $106 за 1 миллион токенов изображений на выходе. Базовая версия MAI-Image-2.5 недавно заняла второе место среди моделей для редактирования изображений на платформе Arena.

В отличие от этого, MAI-Voice-2-Flash ориентирована на высокопроизводительную голосовую связь и работает вдвое быстрее, чем ее предшественник, при этом стоимость использования составляет $15 за 1 миллион знаков. Эта модель подходит для кол-центров и приложений, где важна скорость обработки, в отличие от более точных требований творческих студий.

Microsoft также сообщила о внедрении новых моделей в свои сервисы. Bing Image Creator был полностью переведен на MAI-Image-2.5, что позволило снизить затраты на ресурсы графического процессора в PowerPoint на 84 %. MAI-Voice-2-Flash была интегрирована в Dynamics 365 Contact Center, что привело к снижению затрат на ресурсы до 89 %. Кроме того, сервис Microsoft Dragon Copilot, используемый 170 000 медицинскими учреждениями, теперь работает на модели MAI-Transcribe-1.5 с поддержкой 58 языков.

В июне также была запущена облегченная модель MAI-Code-1-Flash для написания кода на платформе GitHub Copilot. Она продемонстрировала на 10 % более высокий уровень принятия кода по сравнению с аналогами от OpenAI и Anthropic, а также обеспечила эффективность работы на устаревших ускорителях Nvidia H100 и A100.