跳到主要內容

Microsoft MAI 自研模型實測：Suleyman 領軍打造語音、圖像三模型，正式向 OpenAI 宣戰 | Microsoft MAI Models Explained: In-House AI Takes on OpenAI With Speech, Voice and Image

By Kit 小克 | AI Tool Observer | 2026-04-13

🇹🇼 Microsoft MAI 自研模型實測：Suleyman 領軍打造語音、圖像三模型，正式向 OpenAI 宣戰

Microsoft MAI 模型是微軟在 2026 年 4 月 2 日推出的三款自研 AI 模型，包含語音轉文字、文字轉語音和圖像生成，標誌著微軟正式踏上與 OpenAI 分道揚鑣的自研之路。這篇文章帶你看懂這三款模型的實力、定價，以及微軟 AI 戰略的下一步。

Microsoft MAI 模型是什麼？為什麼重要？

MAI 是 Microsoft AI 的縮寫，由微軟 AI 執行長 Mustafa Suleyman 領導的「MAI 超智慧團隊」在 2025 年 11 月成立後的首批成果。這三款模型直接在 Microsoft Foundry 平台上線，開放開發者使用，意味著微軟不再只靠 OpenAI 的 GPT 系列打天下。

MAI-Transcribe-1：全球最準的語音轉文字模型？

MAI-Transcribe-1 是一款支援 25 種語言的語音轉文字模型，在 FLEURS 基準測試中拿下最低字錯率（WER），打敗了 Whisper-large-V3、GPT-Transcribe 和 Gemini 3.1 Flash-Lite。

  • 速度：批次轉錄速度是 Azure Fast 方案的 2.5 倍
  • 成本：GPU 成本幾乎只有競品的一半
  • 定價：每小時音訊 $0.36 美元起

對做 Podcast 轉錄、會議記錄、字幕生成的開發者來說，這個價格加上這個準確度蠻有吸引力的。

MAI-Voice-1：一秒鐘生成一分鐘語音

MAI-Voice-1 是文字轉語音模型，最大賣點是速度——單一 GPU 就能在不到一秒內生成 60 秒的音訊，而且音質保留說話者的情緒和語調特徵。

  • 定價：每百萬字元 $22 美元
  • 特色：長篇內容也能維持一致的聲音特徵

做有聲書、語音助理、客服機器人的團隊可以關注。

MAI-Image-2：Arena.ai 排名第三的圖像模型

MAI-Image-2 一上線就衝到 Arena.ai 圖像模型排行榜第三名，生成速度比前代快至少 2 倍。

  • 定價：文字輸入每百萬 token $5，圖像輸出每百萬 token $33
  • 亮點：速度和品質兼顧，適合需要大量圖片生成的場景

微軟為什麼要自己做模型？跟 OpenAI 的關係怎麼了？

2025 年微軟重新談判了與 OpenAI 的合作條款，移除了禁止微軟自行開發通用 AI 模型的限制。Suleyman 在今年 2 月公開表示要追求「AI 自給自足」，不再完全依賴 OpenAI。

不過要注意的是，目前這三款 Microsoft MAI 模型都是多媒體專用模型（語音、圖像），微軟的通用大語言模型（LLM）預計還要 12-18 個月才會問世。換句話說，微軟短期內還是會用 GPT-5.4 處理文字推理任務，但中長期正在鋪路脫離。

開發者現在該怎麼選？

如果你的應用場景是語音轉錄、語音生成或圖像生成，MAI 模型值得測試——尤其是已經在用 Azure 的團隊，整合成本最低。但如果你需要通用推理能力，GPT-5.4、Claude Opus 4.6 或 Gemini 3.1 Pro 目前還是更成熟的選擇。

好不好用，試了才知道。

🇺🇸 Microsoft MAI Models Explained: In-House AI Takes on OpenAI With Speech, Voice and Image

Microsoft MAI models are three in-house AI models launched on April 2, 2026 — MAI-Transcribe-1, MAI-Voice-1, and MAI-Image-2 — marking Microsoft's clearest step toward AI self-sufficiency and away from its $13 billion OpenAI partnership. Here's what they do, how they perform, and what it means for developers.

What Are Microsoft MAI Models?

MAI stands for Microsoft AI. These models are the first major output from the MAI Superintelligence team formed in November 2025 under Mustafa Suleyman, CEO of Microsoft AI. All three are available on Microsoft Foundry.

MAI-Transcribe-1: Best-in-Class Speech-to-Text

MAI-Transcribe-1 achieves the lowest Word Error Rate across 25 languages on the FLEURS benchmark, beating Whisper-large-V3, GPT-Transcribe, and Gemini 3.1 Flash-Lite.

  • Speed: 2.5x faster batch transcription than Azure's existing Fast tier
  • Cost: Nearly half the GPU cost of competitors
  • Pricing: Starting at $0.36 per audio hour

MAI-Voice-1: 60 Seconds of Audio in Under 1 Second

MAI-Voice-1 generates natural, emotionally nuanced speech while preserving speaker identity across long-form content. A single GPU produces 60 seconds of audio in under one second.

  • Pricing: $22 per million characters
  • Use cases: Audiobooks, voice assistants, customer service bots

MAI-Image-2: Top-3 on Arena.ai Leaderboard

MAI-Image-2 debuted at #3 on the Arena.ai image model leaderboard with at least 2x faster generation than its predecessor.

  • Pricing: $5 per million tokens (text input), $33 per million tokens (image output)

Why Is Microsoft Building Its Own Models?

The renegotiated 2025 OpenAI partnership removed contractual restrictions preventing Microsoft from building broadly capable models. Suleyman publicly stated in February 2026 that Microsoft is pursuing "AI self-sufficiency." However, these three MAI models are multimedia-focused — Microsoft's frontier LLM is still 12-18 months away.

Should Developers Switch Now?

For speech transcription, voice generation, or image creation — especially if you're already on Azure — the MAI models are worth testing. For general-purpose reasoning, GPT-5.4, Claude Opus 4.6, and Gemini 3.1 Pro remain stronger choices today.

Good or not? You won't know until you try.

Sources / 資料來源

常見問題 FAQ

Microsoft MAI 模型有哪些？

Microsoft MAI 目前有三款模型：MAI-Transcribe-1（語音轉文字）、MAI-Voice-1（文字轉語音）和 MAI-Image-2（圖像生成），全部在 Microsoft Foundry 平台上線。

MAI-Transcribe-1 比 Whisper 準嗎？

是的，MAI-Transcribe-1 在 FLEURS 25 語言基準測試中的字錯率低於 Whisper-large-V3，同時批次轉錄速度快 2.5 倍，GPU 成本接近一半。

微軟會推出自己的大語言模型嗎？

微軟計畫在 2027 年前推出自研的通用大語言模型（LLM），目前的 MAI 模型專注於多媒體領域（語音和圖像），文字推理仍使用 GPT-5.4。

Microsoft MAI 模型的定價是多少？

MAI-Transcribe-1 每小時音訊 $0.36 美元，MAI-Voice-1 每百萬字元 $22 美元，MAI-Image-2 文字輸入每百萬 token $5、圖像輸出每百萬 token $33。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

AI 加速量子破密：Google 和 Oratomic 研究顯示加密被破解的時間可能大幅提前 | AI Speeds Quantum Threat to Encryption: Google and Oratomic Cut Qubit Requirements by 95%

By Kit 小克 | AI Tool Observer | 2026-04-09 🇹🇼 AI 加速量子破密：Google 和 Oratomic 研究顯示加密被破解的時間可能大幅提前 2026 年 3 月底， Google 和新創公司 Oratomic 分別發表研究，顯示用 AI 輔助設計的量子演算法能大幅降低破解網路加密所需的量子位元數量。這代表 量子電腦破解現有加密 的時間表可能從「遙遠未來」變成「十年內」。Time 雜誌以「世界還沒準備好」為標題報導此事。 Google 和 Oratomic 的量子研究發現了什麼？ 兩項獨立研究同時在 3 月 30 日發表。過去學界估計，破解 RSA 加密需要超過 1,000 萬個物理量子位元。Google 的新方法把這個數字降到約 50 萬個量子位元 （搭配先進糾錯），而 Oratomic 更激進——他們用 AI 輔助設計的演算法，只需要 1 萬個可重組原子量子位元 就能達到實用級量子計算。 AI 在這次突破中扮演什麼角色？ Oratomic 團隊明確表示 AI 在演算法開發過程中「不可或缺」。他們用 AI 來搜尋更有效率的量子電路設計，大幅縮短了原本需要數年的研究週期。這是一個重要的趨勢： AI 正在加速量子計算的發展 ，而量子計算反過來可能加速 AI 訓練——形成正向循環。 現有的網路加密還安全嗎？ 短期內還安全，但警鈴已經響了。Cloudflare 在研究發表後立刻宣布，將後量子加密的準備期限從 2032 年 提前到 2029 年 。多位量子計算專家表示，這兩項研究加在一起，「可能顯著縮短」量子電腦威脅加密的時間表。目前主流的 RSA 和 ECC 加密演算法都在威脅範圍內。 企業和開發者現在該怎麼做？ 美國國家標準技術研究院（NIST）已經在 2024 年發布了後量子加密標準（FIPS 203、204、205）。建議： 盤點加密資產 ：找出系統中使用 RSA 和 ECC 的地方 導入後量子加密 ：開始測試 NIST 推薦的 ML-KEM 和 ML-DSA 演算法 關注混合模式 ：Cloudflare、Google Chrome 已開始部署「傳統+後量子」混合加密 保護長期機密 ：今天被攔截的加密資料，未來可能被量子電腦回溯解密（harvest now, de...
閱讀完整內容

ARC-AGI-3 發布：頂尖 AI 全部得分不到 1% | ARC-AGI-3: Every Top AI Model Scored Under 1%

By Kit 小克 | AI Tool Observer | 2026-03-30 🇹🇼 ARC-AGI-3 發布：頂尖 AI 全部得分不到 1% ARC-AGI-3 於 2026 年 3 月 25 日正式發布，這個全新互動式基準測試立刻震驚整個 AI 圈：Gemini 3.1 Pro、GPT-5.4、Claude Opus 4.6 等頂尖模型，全部得分不到 1%。這不只是一個數字，而是對當前 AI 能力極限最直接的一次公開測試。 ARC-AGI-3 是什麼？ ARC-AGI（Abstraction and Reasoning Corpus）系列由 Francois Chollet 創立，目的是測試機器是否具備真正的一般智能，而非死記硬背或過度訓練特定題型。 第三代與前兩代最大的不同在於： 它是完全互動式的 。AI 不是解題，而是要在一個沒有說明書的遊戲環境中自主探索、學習規則、設定目標、並完成長期任務。測試的四個核心能力是： 探索能力（Exploration） ：在未知環境中主動試探 世界建模（World Modeling） ：理解環境規則並形成心理模型 目標設定（Goal-setting） ：自行定義並追求有意義的目標 長期規劃（Long-horizon Planning） ：跨多步驟維持行動一致性 各大模型得分：讓人冷靜的數字 以下是目前已知的 ARC-AGI-3 各模型成績： Google Gemini 3.1 Pro Preview： 0.37% （目前最高） OpenAI GPT-5.4（High）： 0.26% Anthropic Claude Opus 4.6（Max）： 0.25% xAI Grok-4.20（Reasoning Beta）： 0.00% 人類基準線： 100% 差距不是些微落後，而是 接近零 。這個結果讓不少在 Hacker News 討論的開發者感嘆：「我們一直在測量的，根本不是智能。」 為什麼這次不一樣？ 過去的 AI 基準測試，往往在幾年內就被「攻克」——模型訓練資料越來越接近測試集，得分隨之飆升。ARC-AGI-3 試圖從根本上改變這個循環： 沒有預先給定的目標或規則，AI 必須自己發現 環境是動態的，每...
閱讀完整內容

如何用 AI 打造被動收入？5 個真實可行的方法 | 5 Realistic Ways to Earn Passive Income with AI

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 如何用 AI 打造被動收入？5 個真實可行的方法 網路上到處都是「用 AI 月入十萬」的標題黨，但多數不切實際。作為一個長期測試各種 AI 工具的人，我想分享 5 個 真正可行的 方法。注意：這些都不是「躺著賺」，前期需要投入時間和心力。 1. AI 輔助的利基網站（Niche Site） 這是目前最成熟的 AI 被動收入模式： 用 AI 研究有搜尋量但競爭低的關鍵字 用 Claude 或 GPT 輔助撰寫高品質的專業文章（不是直接讓 AI 寫，而是用 AI 做研究和初稿） 透過聯盟行銷（Affiliate）或廣告變現 預期收入 ：穩定後每月 -,000 美元，但需要 6-12 個月才能見效 關鍵 ：內容品質必須高於純 AI 生成，Google 已經能辨識低品質 AI 內容 2. AI 自動化服務（AI Automation Agency） 幫中小企業建立 AI 自動化工作流，這可以從接案逐漸轉型為被動收入： 用 Make.com、n8n、Zapier 搭配 AI API 建立自動化流程 常見需求：客服自動回覆、內容自動生成、數據報表自動化 建立好之後收月費維護費 預期收入 ：每個客戶月收 -,000，5-10 個客戶就很可觀 3. AI 工具教學課程 如果你擅長某個 AI 工具，錄製教學課程是很好的被動收入來源： 平台選擇：Udemy、Skillshare、或自建網站（Teachable、Gumroad） 熱門主題：Midjourney 商業應用、ChatGPT 提示詞工程、AI 自動化工作流 預期收入 ：Udemy 上一門熱門 AI 課程月收 ,000-,000 關鍵 ：要有真正的實戰經驗，不是照念文件 4. AI 生成的數位產品 用 AI 輔助製作數位產品，在平台上銷售： 提示詞包（Prompt Packs） ：在 PromptBase 或 Gumroad 販售精心設計的提示詞 模板與範本 ：Notion 模板、Canva 範本、ChatGPT 自訂指令集 電子書 ：用 AI 輔助研究和撰寫，但要加入個人專業知識 預期收入 ：差異極大，從每月 到 ,000 都有可能 5. A...
閱讀完整內容