Microsoft представила MAI: сім моделей ШІ

Microsoft представила сім моделей сімейства MAI під час конференції Build 2026. Моделі розподілені на п’ять функціональних напрямів: генерація і редагування зображень, транскрибування аудіо, синтез мовлення, моделі для міркування і моделі для написання коду. Для напрямів зображень і голосу компанія представила повні версії та легкі «Flash»-варіанти для завдань із високою пропускною здатністю та низькою вартістю.

MAI-Image-2.5 — старша модель для генерації й редагування зображень. Microsoft називає її найякіснішою у сімействі. За даними компанії, MAI-Image-2.5 посіла друге місце в рейтингу Arena у задачах редагування і третє місце в генерації зображень за текстом; у категорії редагування вона випередила модель Nano Banana 2. Модель виконує локальне редагування з урахуванням структури сцени, освітлення й перспективи, а також зберігає риси обличчя при зміні пози. Ціни для MAI-Image-2.5 встановлені на рівні $5 за 1 млн вхідних текстових токенів, $8 за 1 млн вхідних токенів зображень і $47 за 1 млн вихідних токенів зображень. Версія MAI-Image-2.5-Flash коштує $1,75 за 1 млн вхідних текстових або вхідних токенів зображень і $19,50 за 1 млн вихідних токенів зображень.

MAI-Transcribe-1.5 призначена для перетворення мовлення на текст. Microsoft повідомляє про передову точність для 43 мов та найкращий середній показник помилок на бенчмарку FLEURS, лідерство в 18 мовах та швидкість роботи до п’яти разів вищу за деякі конкуруючі рішення. Модель вже інтегрують у Copilot, Teams, GitHub і Dynamics 365 Contact Centre.

MAI-Voice-2 і MAI-Voice-2-Flash — моделі для синтезу мовлення. MAI-Voice-2 підтримує 15 мов, забезпечує природну інтонацію і контроль емоційного забарвлення голосу. У моделі реалізовані механізми захисту від несанкціонованого клонування голосу; всі аудіовиходи маркуються водяним знаком. Варіант Flash оптимізований для голосових агентів з низькою затримкою.

MAI-Thinking-1 — модель для задач міркування, побудована на архітектурі Mixture of Experts з 35 млрд активних параметрів і контекстним вікном на 256 тисяч токенів. На математичному тесті AIME 25 модель показала 97%. На бенчмарку SWE Bench Pro результат становив 52,8%. У сліпих порівняннях на платформі Surge незалежні оцінювачі частіше віддавали перевагу моделі Claude Sonnet 4.6 за загальною якістю. Microsoft зазначила, що MAI-Thinking-1 не проходила цілеспрямованого підлаштування під бенчмарки та була оптимізована під власний чип Maia 200, що дало приріст продуктивності на ват близько 1,4 раза при наскрізному запуску.

MAI-Code-1-Flash — полегшена модель для написання коду з 5 млрд параметрів. Вона інтегрована у VS Code і GitHub Copilot CLI і набрала 51% на бенчмарку SWE Bench Pro. За розміром компанія порівнює її з моделлю Claude Haiku 4.5 і зазначає нижчу вартість експлуатації. Модель почали розгортати як одну з стандартних у VS Code.

Microsoft позиціонує ці моделі як інструменти для різних робочих навантажень — від високоякісної генерації зображень до масових завдань з низькою вартістю й затримкою. Компанія також реалізує механізми захисту від зловживань у синтезі мовлення і інтегрує частину моделей у свої корпоративні та споживчі продукти для доступності функцій розробникам і бізнес-клієнтам.