微軟 AI（MAI）在 2026 年 Build 大會一次發布 7 個自研模型，橫跨推理、編碼、影像、轉錄、語音五大領域，旗艦推理模型 MAI-Thinking-1 擁有 350 億引數，微軟官方自評盲測成績「追平 Claude Sonnet 4.6」。
（前情提要：微軟高管警告：大多白領勞工將在「未來 12-18 月內」被自動化取代）
（背景補充：彭博：中國「限制 AI 頂尖人才出境」，阿里、DeepSeek 高管被迫上繳護照）
微軟過去多年把超過百億美元押注在 OpenAI 身上，換來的是 Azure 算力合約與 GPT 系列的獨家授權。不過在 2026 年 Build 大會上，微軟一口氣發布自研的 7 款 MAI 模型家族。
包括：旗艦推理模型 MAI-Thinking-1、高效編碼模型 MAI-Code-1-Flash、文生圖模型 MAI-Image-2.5 及其 Flash 版、轉錄模型 MAI-Transcribe-1.5、語音生成模型 MAI-Voice-2 與即將推出的 MAI-Voice-2-Flash。
跑分戰場上的自家裁判
MAI-Thinking-1 是這次發布的核心。微軟官方自評，在盲測人工評測中其成績「追平 Anthropic Claude Sonnet 4.6」，編碼基準「追平 Claude Opus 4.6」；AIME 數學測驗官方公布達 97%，SWE Bench Pro 官方公布 53%。
不過要強調的是，這些都是微軟自己公布的資料，第三方獨立評測尚未出爐。
這些模型除了進入 Azure Foundry 與微軟自家產品線，也將上架 OpenRouter、Fireworks、Baseten 等第三方平台。
真正的佈局在企業端：Frontier Tuning 與梅約模式
如果跑分是入場券，那麼微軟這次真正想賣的是 Frontier Tuning（前沿微調）。
簡單來說就是，Frontier Tuning 讓企業用「自己工作流程的真實操作紀錄」來訓練一個專屬版本的 MAI 模型，訓練資料與最終模型權重都歸客戶自己所有，不迴流給微軟。
強化學習環境（RLE）是這套機制的核心技術，白話說就是給 AI 一個模擬「練功場」，讓它在企業的真實任務情境中反覆試錯、最佳化。
微軟給出兩組官方資料作為例證：為 Excel 工作流微調後，MAI 模型「效能追平 GPT 5.4、效率最高提升 10 倍」；為 McKinsey 企業標準微調後，「盲測勝率最高、成本約低 10 倍」。這些同樣是官方自評數字，但傳遞的商業邏輯相當清晰：讓大型企業用自己的資料，打造只屬於自己的 AI，並且真正擁有它。
梅約診所（Mayo Clinic）的合作案把這個邏輯推到了醫療場景。微軟與梅約共創醫療前沿 AI 模型，結合梅約的臨床專業與去識別化臨床資料，但模型所有權完整歸屬梅約，先在梅約內部部署驗證，之後才經由 Azure Foundry 開放給其他醫療機構。
這個架構把微軟定位成基礎設施提供者，把客戶（梅約）定位成真正的 AI 所有人，從根本上改變了傳統雲端 AI 的權力結構。
「零蒸餾」的兩種讀法
整場發布最反覆被強調的主張是：所有 MAI 模型從零訓練，不蒸餾任何第三方模型，不使用未授權或來源不透明的資料，資料「乾淨且授權合法」。
蒸餾，簡單來說就是讓一個小模型向大模型學「思考方式」，繞過高昂算力直接繼承大模型的能力。近兩年 DeepSeek 等中國實驗室大量採用此路線，以極低成本複製出接近頂級模型的效能，讓整個產業陷入算力投資是否有意義的焦慮。Suleyman 此前公開指出「中國式蒸餾開源模型有其極限」，零蒸餾宣示是對這條路線的直接切割。
媒體分析同時指出另一層讀法：「乾淨授權資料」與「不蒸餾第三方模型」，對那些擔心著作權訴訟、監管合規風險的企業客戶而言，是比跑分更有說服力的法務賣點。是技術宣言，也是一份合規聲明書。
微軟這次真正下注的，或許不是在跑分排行榜上超越 OpenAI 與 Anthropic，而是在 Frontier Tuning 加上梅約模式這條路上，用「客戶擁有自己的 AI」這個命題，重新定義企業 AI 市場的遊戲規則。
不過前提是，那些「官方自評」的數字，最終要能透過外部驗證。
📍相關報導📍
OpenAI 發布 AGI 五大憲法：AI 不能被少數人壟斷，犧牲可換來更多韌性
