微软弃追超大模型，转向廉价专用模型

微软 AI 战略：押注廉价专业模型而非前沿通用大模型

微软 AI 将 token 效率作为竞争重点，倾向于使用小型专业模型而非通用前沿模型。AI CEO Mustafa Suleyman 表示，行业必须在顶级性能和成本之间权衡。微软没有采用单一的通用模型，而是为特定领域训练小型紧凑模型。该公司最新的网络安全模型 MAI-Cyber-1-Flash 在 CyberGym 基准测试中超过 Anthropic 的 Mythos 12 个百分点，成本仅为后者的一半，Suleyman 表示。但这个结果需要 MDASH 系统的支持，该系统可以协调多个模型，并将困难任务路由到 OpenAI 的推理模型。微软还表示，与 GPT-Image-2 相比，MAI-Image-2.5-Flash 将 GPU 成本降低了最多 84%。

Suleyman 还希望建立可互换的模型，使微软不依赖于某一个模型系列。小型 MAI 模型能否部分取代 OpenAI 并匹配其性能仍然值得怀疑。

竞争正从单个模型转向支撑系统，即路由任务和提供上下文的软件。编排器将大部分工作发送给成本更低的专业模型，为困难情况保留前沿模型。Anthropic 在 Claude Fable 5 中采用了这种方法，而 Sakana 围绕这一方法构建了 Fugu。

无炒作的 AI 新闻 — 由人工策划

订阅 THE DECODER，享受无广告阅读、每周 AI 通讯、我们独家"AI Radar"前沿报告（一年六次）、完整档案访问权限以及评论区访问权限。