مایکروسافت خانواده‌ای متشکل از هفت مدل هوش مصنوعی داخلی را تحت پرچم MAI معرفی کرده است، راه‌اندازی که در کنفرانس توسعه‌دهندگان Build 2026 رونمایی شد که نشان‌دهنده تلاشی هماهنگ برای مالکیت بیشتر پشته هوش مصنوعی و کاهش وابستگی آن به شریک OpenAI است. مدل‌های جدید شامل استدلال، کدگذاری، تولید تصویر، رونویسی و صدا هستند و مایکروسافت می‌گوید که آنها از ابتدا با چیزی که «تقطیر صفر» می‌نامد آموزش دیده‌اند.

این گسترش فشار جدیدی بر OpenAI، Anthropic و Google وارد می‌کند، در حالی که به توسعه‌دهندگان مجموعه‌ای وسیع‌تر و بالقوه ارزان‌تر از گزینه‌ها را می‌دهد. از آنجایی که مایکروسافت صاحب هر دو مدل و محاسبات ابری Azure است که آنها را اجرا می کند، می تواند هزینه هر توکن را که توسعه دهندگان برای ساخت با آنها می پردازند کاهش دهد. For more context on this story, see our ongoing latest AI developments.

یک مدل استدلال شاخص

عنوان انتشار MAI-Thinking-1 است که توسط مایکروسافت به عنوان اولین مدل استدلالی آن توصیف شده است. در یک پست وبلاگی همراه با راه‌اندازی، این شرکت بر کارایی مدل و هزینه توکن پایین تاکید کرد و به‌ویژه مشتاق بود که MAI-Thinking-1 با Opus 4.6 Anthropic در معیارهای کدنویسی مطابقت دارد. این ادعا، موتور استدلال بومی مایکروسافت را به عنوان رقابتی با مدل‌های مرزی نزدیک‌ترین رقبای هوش مصنوعی خود معرفی می‌کند.

مدل‌های استدلالی که قبل از پاسخ دادن، محاسبات بیشتری را صرف «تفکر» از طریق مسائل می‌کنند، در سال 2026 به میدان نبرد تعیین‌کننده‌ای تبدیل شده‌اند، زیرا آزمایشگاه‌ها برای ساختن سیستم‌هایی با قابلیت مهندسی نرم‌افزار چند مرحله‌ای، ریاضیات و تحلیل علمی رقابت می‌کنند.

تقطیر صفر: آموزش دیده، کپی نشده

تمایز اصلی که مایکروسافت به آن تکیه می کند مفهوم «تقطیر صفر» است. تقطیر روشی است که به طور گسترده مورد استفاده قرار می گیرد برای آموزش یک مدل کوچکتر برای تقلید از مدل بزرگتر و از قبل موجود. ارزان‌تر و سریع‌تر از آموزش از ابتدا است، اما نشان می‌دهد که مدل حاصل چقدر می‌تواند خوب باشد، زیرا دانش‌آموز فقط می‌تواند رفتار معلم خود را تقلید کند.

مایکروسافت تاکید می کند که مدل های جدید MAI آن "از ابتدا با تقطیر صفر آموزش داده شده اند"، به این معنی که آنها معماری های اصلی هستند تا تقلید از سیستم های دیگر. مصطفی سلیمان، رئیس هوش مصنوعی مایکروسافت، این استراتژی را به‌عنوان پیشرفت از یک بنیاد مشترک تعریف کرد.

سلیمان گفت: «همه این مدل‌ها بر روی یک پایه مشترک، تپه‌نوردی از پایین با تقطیر صفر ساخته شده‌اند. "آنها نظم و انضباط داده ها، زیرساخت های مشابه و چارچوب ارزیابی یکسانی را به اشتراک می گذارند. آنها به گونه ای طراحی شده اند که با هم کار کنند و مستقیماً در محصولاتی که مردم هر روز استفاده می کنند ادغام شوند. اما خود مدل ها تنها بخشی از داستان هستند."

ترکیب کامل MAI

هفت مدلی که مایکروسافت اعلام کرد چندین روش را پوشش می‌دهند:

  • MAI-Thinking-1 - مدل استدلال شاخص.
  • MAI-Code-1-Flash - یک مدل کدنویسی سریع و سبک.
  • MAI-Image-2.5 - اولین مدل مایکروسافت با قابلیت تولید متن به تصویر و تصویر به تصویر.
  • MAI-Image-2.5-Flash - یک نوع سریعتر با هدف بارهای کاری حساس به هزینه.
  • MAI-Transcribe-1.5 - یک مدل رونویسی ارتقا یافته که برای بارهای کاری در دنیای واقعی تنظیم شده است.
  • MAI-Voice-2 - مدل تولید صدا.
  • MAI-Voice-2-Flash - یک نوع صدای تقطیر شده سریع.

برخی از ورودی‌ها انواعی هستند که بر اساس یک پایه اصلی ساخته شده‌اند، اما روی هم به مایکروسافت توانایی بومی در استدلال متن، کد، دید و صوت می‌دهند، دسته‌هایی که قبلاً به شدت به خانواده GPT OpenAI وابسته بود.

تصاویر به پاورپوینت و OneDrive بروید

مدل‌های MAI-Image-2.5 ابتدا در اکوسیستم محصول خود مایکروسافت عرضه می‌شوند. هر دو مدل تصویر کامل و فلش اکنون در پیش نمایش در دسترس کاربران PowerPoint و OneDrive for Foundry هستند و به شرکت فرصتی می دهد تا ابزارهای تصویربرداری مولد خود را در برنامه های بهره وری که به طور گسترده مورد استفاده قرار می گیرند، قبل از باز کردن آنها برای توسعه دهندگان شخص ثالث به نمایش بگذارد.

مایکروسافت قبلاً از این کتاب راهنما برای تعبیه قابلیت‌های هوش مصنوعی جدید در آفیس و ویندوز استفاده کرده است تا پذیرش در مقیاس را افزایش دهد، یک مزیت توزیعی که آزمایشگاه‌های مدل مستقل به راحتی نمی‌توانند با آن مطابقت کنند.

در دسترس بودن شخص ثالث و دسترسی توسعه‌دهنده

فراتر از ابر خود مایکروسافت، این شرکت گفت که مدل‌های MAI از طریق پلتفرم‌های استنتاج مستقل نیز در دسترس خواهند بود. این مدل‌ها قرار است در آینده روی Fireworks AI، Baseten و Open Router عرضه شوند و دسترسی توسعه‌دهندگانی را که خارج از اکوسیستم Azure می‌سازند، افزایش دهند.

این رویکرد چند پلتفرمی منعکس کننده استراتژی توزیع وزن باز است که در سراسر صنعت رایج شده است، جایی که مدل ها هم از طریق API خود سازنده و هم از طریق ارائه دهندگان میزبانی خنثی ارائه می شوند.

چه معنایی برای رابطه OpenAI دارد

مایکروسافت ده‌ها میلیارد دلار در OpenAI سرمایه‌گذاری کرده است و نزدیک‌ترین شریک زیرساختی آن باقی می‌ماند، با Azure که بخش عمده‌ای از محاسبات سازنده ChatGPT را تامین می‌کند. اما راه‌اندازی MAI نشان می‌دهد که مایکروسافت دیگر نمی‌خواهد صرفاً فروشنده اطلاعات دیگران باشد.

مایکروسافت با ساخت مدل‌های اصلی و از ابتدا که کاملاً کنترل می‌کند، از چندین راه اهرمی به دست می‌آورد. می‌تواند از موضع استقلال مذاکره کند، در برابر تصمیم‌های قیمت‌گذاری یا نقشه راه هر ارائه‌دهنده منفرد محافظت کند، و به توسعه‌دهندگان یک جایگزین بهینه هزینه ارائه دهد. تحلیلگران خاطرنشان کرده‌اند که سرمایه‌گذاری عمیق‌تر مایکروسافت در هوش مصنوعی احتمالاً اقتصاد ساخت برنامه‌های هوش مصنوعی را تغییر می‌دهد و رقبا را وادار می‌کند که هم از نظر کیفیت و هم قیمت پاسخ دهند.

بازار رقابتی هوش مصنوعی بیشتر می شود

خانواده MAI وارد یک میدان شلوغ می شوند. OpenAI به پیشبرد خط GPT خود ادامه می‌دهد، Anthropic مدل‌های کلاس Mythos خود را منتشر کرده است، Google در حال پیشرفت Gemini است و تلاش‌های آزاد از آزمایشگاه‌های سراسر جهان در حال از بین بردن شکاف به سیستم‌های اختصاصی است. تصمیم مایکروسافت برای ارائه مدل‌های خود در بسیاری از روش‌ها به طور همزمان نشان می‌دهد که قصد دارد به‌جای واگذاری دسته‌ها به شرکا، در هر جبهه مستقیماً رقابت کند.

برای توسعه دهندگان، نتیجه عملی انتخاب بیشتر است و، مایکروسافت استدلال می کند، هزینه های کمتری دارد. اینکه آیا برابری کدگذاری MAI-Thinking-1 با Opus 4.6 تحت آزمایش‌های مستقل گسترده‌تر باقی می‌ماند یا خیر، باید دید، اما این اعلامیه به تنهایی یک تغییر معنی‌دار را نشان می‌دهد: شرکتی که شهرت هوش مصنوعی خود را در توزیع مدل‌های OpenAI ایجاد کرده است، اکنون اعلام می‌کند که می‌تواند به تنهایی با مرز مطابقت داشته باشد.

با ساخت بیلد 2026 به عنوان مرحله، مایکروسافت روشن کرده است که مرحله بعدی استراتژی هوش مصنوعی آن کمتر با مشارکت و بیشتر با مالکیت تعریف می شود.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →