Microsoft Build 2026、MAIが画像・音声・推論・コーディングの新モデル7種を発表

発表されたのは、MAI-Image-2.5とそのFlash版、MAI-Transcribe-1.5、MAI-Voice-2とVoice-2-Flash、MAI-Thinking-1、MAI-Code-1-Flashの7モデルである。画像モデルはPowerPointで利用可能で、OneDriveへ順次展開され、Foundryにも提供される。MAI-Transcribe-1.5は43言語でSOTA精度をうたい、競合モデルより最大5x高速とされる。Copilot、Teams、GitHub、Dynamics 365 Contact Centreへの統合も進む。MAI-Voice-2は15言語に対応する。

MAI-Thinking-1はMAI初の推論モデルで、35B active parameterのMoE、256Kコンテキストウィンドウを備える。Surgeの人間評価ではSonnet 4.6より総合品質で好まれたという。SWE Bench Proは53%でOpus 4.6と同水準とされる。ベンチマークを狙い撃ちせず、蒸留もゼロで、商用ライセンス済みのクリーンなデータ系譜を持つと強調している。MAI-Code-1-Flashは5Bパラメータで SWE Bench Pro 51%、VS Codeの既定モデルの一つとして展開が始まる。

提供面ではFoundryに加え、Open Router、Fireworks、Basetenで開発者に広く提供する。講演では、初めて重みを自分でチューニングできるようになると述べている。安全面では、音声モデルに無断クローン対策と出力への透かしを入れ、過剰拒否の低減や障害のある人々の表現改善にも取り組んだとする。詳細な技術レポートも公開する。

ハードウェアでは、MAI-Thinking-1をMaia 200チップ上で最適化し、GB200と比較した。先に言及された30%の改善に加え、エンドツーエンドでワット当たり性能が1.4x向上したという。MAIモデルはN1X搭載Windowsにも提供される。

カスタマイズ面ではMicrosoft Frontier Tuningを打ち出し、強化学習環境（RLE）で企業やタスクに特化したエージェントを作れるとする。Excel向けに調整したモデルはGPT 5.4に匹敵しつつ最大10X効率的で、McKinseyの業務向け調整ではGPT-5.5を品質で上回り、コストは10x低いと述べた。ヘルスケアではMayo Clinicと共同で医療向けのフロンティアモデルを開発し、同院のシステムに展開する計画である。