title: "Microsoft MAI: 7 собственных AI-моделей — Microsoft перестала зависеть от OpenAI"
description: "2 июня 2026 на Build Microsoft анонсировала семейство MAI — 7 in-house моделей: reasoning, кодинг, изображения, голос, транскрипция. Без дистилляции, без OpenAI. Разбираем что это, зачем и что меняет."
keywords: "microsoft mai модели, mai-thinking-1, mai-code-1-flash, microsoft build 2026 ai, microsoft собственная модель, microsoft vs openai"
canonical: "https://vibecoderz.ru/blog/microsoft-mai-modeli-build-2026"
2 июня 2026 на Microsoft Build в Сан-Франциско произошло то, чего рынок ждал давно: Microsoft представила семейство MAI — 7 собственных AI-моделей, разработанных с нуля. Без дистилляции из чужих моделей. Без OpenAI. Без Anthropic.
Компания, которая вложила $13 миллиардов в OpenAI и $5 миллиардов в Anthropic, объявила, что теперь строит свои мозги. И часть из них уже работает у вас в Copilot прямо сейчас.
→ Microsoft AI: microsoft.ai
→ MAI Playground: [скоро, следи за анонсами]
→ Foundry Model Catalog: ai.azure.com
Почему это вообще случилось — и почему именно сейчас?
TL;DR: Microsoft платила OpenAI за каждый токен, сгенерированный в Copilot. Это дорого. Свои модели — это убрать посредника и снизить расходы. Плюс стратегия: нельзя строить AI-империю на чужих моделях.
Логика простая и финансовая. CNBC формулирует прямо: «There are economic benefits to providing its own models that can be passed onto developers as costs jump for using the leading models. Microsoft can run its models on its own Azure cloud infrastructure and avoid paying third parties such as OpenAI.»
Каждый раз когда пользователь Copilot пишет промпт — Microsoft платит OpenAI за инференс. Миллионы пользователей × миллионы запросов в день = огромные суммы, которые уходят конкуренту.
Но дело не только в деньгах. Мустафа Сулейман (CEO Microsoft AI, бывший сооснователь DeepMind) строит то, что Microsoft называет «superintelligence lab». Цитата из анонса: «Beyond these models, we're building a superintelligence lab — a system and an approach we believe will define the next phase of AI.»
Нельзя строить superintelligence lab на чужих моделях.
Семь моделей — что в каждой?
TL;DR: Две основные — MAI-Thinking-1 (reasoning, флагман) и MAI-Code-1-Flash (кодинг, уже в Copilot). Плюс image, voice и transcribe — закрывают всю мультимодальную цепочку.
MAI-Thinking-1 — флагманский reasoning
Самая мощная модель семейства. Sparse Mixture of Experts: 35 миллиардов активных параметров при ~1 триллионе тотальных.
Что это значит на практике: модель огромная, но в каждый момент активна только часть. Быстрее и дешевле в инференсе, чем если бы все 1T параметров работали одновременно.
Цифры:
→ AIME 2025: 97.0% — топ-уровень математического reasoning
→ AIME 2026: 94.5%
→ SWE-Bench Pro — на уровне Claude Opus 4.6
→ В слепых оценках людьми предпочтительнее Claude Sonnet 4.6
→ Контекстное окно: 256K токенов (~600 страниц)
Обучена на чистых, коммерчески лицензированных данных. Это не маркетинговый тезис — у Microsoft есть Data Card и регистрация по EU AI Act.
Где взять: Private Preview в Microsoft Foundry. Public Preview — скоро.
MAI-Code-1-Flash — кодинг-модель, уже у вас
Та, которая уже работает в Copilot прямо сейчас (rollout с ~10% пользователей, расширяется).
137 миллиардов тотальных / 5 миллиардов активных — тоже MoE. Контекст 256K. Обучена не на абстрактных датасетах, а прямо внутри production-инструментария GitHub Copilot.
Главная фича: адаптивная длина ответа. Простой rename — 80 токенов. Multi-file feature — 500. Сложный bug fix — 350. У Claude Haiku на тех же задачах: 200, 1200, 800 токенов соответственно.
До 60% меньше токенов = до 60% дешевле.
Цена: $0.75 за 1M input токенов — дешевле Haiku.
Разобрали подробно — бенчмарки, цены, как включить и стоит ли переходить: MAI-Code-1-Flash: новая кодинг-модель Microsoft в Copilot — полный разбор.
MAI-Image-2.5 и Flash — генерация и редактирование
#3 на Arena.ai в text-to-image, #2 в image editing. Превосходит Nano Banana 2 в редактировании изображений.
Главная фича: «control with preservation» — редактируешь конкретный элемент, остальное сохраняется. Уже работает в PowerPoint и OneDrive.
Цены: от $1.75 до $47 за 1M токенов в зависимости от варианта и задачи.
MAI-Transcribe-1.5 — распознавание речи
#1 на FLEURS — лучший Word Error Rate в индустрии.
→ 43 языка (+18 новых)
→ До 5× быстрее Gemini 3.1 Flash, ScribeV2, GPT-4o-Transcribe
→ Час аудио — менее 15 секунд
→ Keyword Biasing: −30% WER на специализированной лексике (медицина, юриспруденция, финансы)
→ Цена: $0.36/час
Уже работает в Copilot, Teams, GitHub, Dynamics 365.
MAI-Voice-2 и Flash — синтез речи
15+ языков, voice cloning, voice prompting. Flash-вариант скоро. $22 за 1M символов через Azure Speech.
Что Microsoft строит — полная вертикаль
TL;DR: Silicon → модели → платформа → приложения → дистрибуция. Microsoft закрывает всю цепочку своими продуктами. Это не просто модели — это стратегия на 5-10 лет.
Параллельно с MAI-моделями на Build анонсировали N1X — собственный AI-чип Microsoft. Сложи всё вместе:
→ Silicon: N1X чип (собственный)
→ Модели: MAI family (собственные)
→ Платформа: Azure Foundry (собственная)
→ Приложения: Copilot, Office, Teams, GitHub (собственные)
→ Дистрибуция: OpenRouter, Fireworks, Baseten (сторонние, впервые)
Это полная вертикальная интеграция. Как Apple с M-чипами — только в AI.
И впервые в истории Microsoft разрешила тюнить веса напрямую через OpenRouter, Fireworks и Baseten. Раньше модели были только через Foundry. Это беспрецедентная открытость для компании, которая всегда работала через собственные каналы.
Что это значит для OpenAI?
TL;DR: Microsoft — крупнейший клиент и инвестор OpenAI. Теперь Microsoft строит конкурента. Это не конфликт — это «AI-развод» стоимостью $18 миллиардов.
CNBC назвали это прямо. The Verge написали: «Microsoft's first advanced reasoning AI is here» — подчёркивая «first», как начало серии.
OpenAI теряет не просто клиента — теряет крупнейший канал дистрибуции. Copilot, встроенный в Windows, Office, GitHub — это сотни миллионов пользователей. Если MAI-модели постепенно заменят GPT-модели в этих продуктах, OpenAI лишится огромного объёма инференса.
При этом формально Microsoft и OpenAI остаются партнёрами. Инвестиции не отозваны. Партнёрство не расторгнуто. Просто теперь у Microsoft есть выбор — и это меняет всё в переговорах.
Данные и безопасность — почему это важно для enterprise
TL;DR: MAI-модели обучены на чистых лицензированных данных без дистилляции. Есть Data Card и EU AI Act compliance. Для корпораций это критично.
Один из главных маркетинговых тезисов MAI: без дистилляции из сторонних моделей.
Почему это важно: если модель обучена на outputs другой модели (дистилляция), возникают вопросы о правах и licensing. Для enterprise — особенно в медицине, финансах, юриспруденции — это риск.
MAI обучена на commercially licensed данных, с Data Card, зарегистрирована по EU AI Act. Это не просто слова — это юридическая чистота, которую корпорации проверяют перед внедрением.
Интересный нюанс: Copilot-промпты пользователей использовались для обучения MAI-Code-1-Flash — но только для RL rollouts и reward model, не для supervised fine-tuning. И только от пользователей, не отказавшихся от участия. Microsoft честно указала это в Data Card.
Нерешённые вопросы — что Microsoft не договаривает
TL;DR: Путаница с параметрами модели, internal-only бенчмарки, SWE-Bench Pro не SOTA. Анонс мощный, но независимые проверки ещё впереди.
Несколько моментов, которые стоит учитывать:
Путаница с параметрами. Карточка модели MAI-Code-1-Flash говорит 137B параметров, официальный анонс — 5B. Скорее всего: 137B тотальных, 5B активных в MoE. Microsoft не комментирует напрямую.
Adversarial benchmark — internal. 85.8% accuracy на 186 вопросах звучит впечатляюще. Но это внутренний бенчмарк Microsoft, не воспроизведённый внешними исследователями. На Einstellung traps модель показала ниже 50% — Microsoft честно это указала, что вызывает уважение.
SWE-Bench Pro 51.2% — хорошо, но не SOTA. Kimi K2.6 показывает ~58.6% на том же бенчмарке. MAI-Code-1-Flash позиционируется как «everyday кодер», не frontier-модель — и для этой роли цифры разумные. Подробный разбор всех бенчмарков и что они значат на практике — в нашем полном обзоре MAI-Code-1-Flash.
Rollout постепенный. Copilot получает MAI-Code-1-Flash начиная с ~10% пользователей. Не все видят модель в пикере прямо сейчас.
Кому и что делать прямо сейчас
TL;DR: Пользователям Copilot — проверить model picker в VS Code. Разработчикам — смотреть на Foundry и OpenRouter. Enterprise — изучить Data Card и подать заявку на Private Preview.
Если используешь GitHub Copilot (любой план, включая Free):
Открой VS Code → model picker → ищи MAI-Code-1-Flash. Если ещё нет — появится в ближайшие дни по мере расширения rollout. Как включить, что проверить и чего ожидать — читай в детальном разборе MAI-Code-1-Flash.
Если разрабатываешь на Azure:
MAI-Image-2.5 уже в Foundry Model Catalog. MAI-Thinking-1 — Private Preview, можно подать заявку.
Если нужен transcribe или voice:
MAI-Transcribe-1.5 ($0.36/час) и MAI-Voice-2 ($22/1M символов) — уже через Azure Speech.
Если интересен fine-tuning:
OpenRouter, Fireworks, Baseten — «coming soon», следи за анонсами.
Максим часто говорит: «Сделал — получил цифру». У Microsoft сейчас именно этот момент: 13 лет инвестиций, покупка GitHub, Teams, миллионы корпоративных пользователей — и наконец своя модель. Посмотрим, что это даст в цифрах через год.
Microsoft AI: microsoft.ai
MAI Playground: [скоро, следи за анонсами]
Foundry Model Catalog: ai.azure.com
Каталог AI-моделей и инструментов: vibecoderz.ru/category/ai-models
Вопросы по стеку — к Максиму: t.me/maxnagovitsyn
FAQ
MAI — это новое название для GPT-моделей Microsoft?
Нет. MAI (Microsoft AI) — полностью собственные модели, разработанные с нуля командой Microsoft AI Superintelligence Team. Не дистилляция, не ребрендинг GPT.
Где уже можно попробовать?
MAI-Code-1-Flash — в GitHub Copilot (VS Code, rollout с ~10% пользователей). MAI-Image-2.5 — в Foundry, PowerPoint, OneDrive. MAI-Transcribe-1.5 и Voice-2 — через Azure Speech.
MAI-Thinking-1 лучше GPT-5?
На AIME 2025 — 97.0%, на SWE-Bench Pro — уровень Claude Opus 4.6, в blind human eval предпочтительнее Sonnet 4.6. Прямого сравнения с GPT-5 Microsoft не публиковала.
MAI-Code-1-Flash заменит Claude и GPT в Copilot?
Постепенно — да, для everyday-задач. Для сложнейших задач Copilot по-прежнему использует frontier-модели (GPT-5, Claude). MAI-Code-1-Flash — это быстрый и дешёвый рабочий инструмент.
Microsoft теперь конкурент OpenAI?
Формально они остаются партнёрами. Фактически Microsoft строит альтернативу для своих продуктов. CNBC назвали это «lessening reliance on OpenAI».
Что такое Sparse Mixture of Experts?
Архитектура, при которой модель имеет много параметров, но в каждый момент активна только их часть. MAI-Thinking-1: 1T тотальных, 35B активных. Это быстрее и дешевле в работе, чем если бы все параметры были активны постоянно.
Данные безопасны для enterprise?
MAI обучена на commercially licensed данных, есть Data Card, EU AI Act compliance. Для корпораций это важная юридическая чистота.
Глоссарий
MAI — Microsoft AI, название собственного семейства моделей Microsoft.
Sparse Mixture of Experts (MoE) — архитектура нейросети, где активна только часть параметров в каждый момент. Эффективнее dense-архитектур при большом числе параметров.
Дистилляция — обучение модели на выходах другой (более крупной) модели. MAI не использует дистилляцию — ключевой тезис для enterprise.
AIME — American Invitational Mathematics Examination. Стандартный бенчмарк для оценки математического reasoning AI-моделей.
SWE-Bench — стандартный бенчмарк качества AI на инженерных задачах (реальные GitHub Issues).
Azure Foundry — платформа Microsoft для разработки и деплоя AI-приложений.
EU AI Act — европейский закон об AI. Требует регистрации и документации для мощных AI-моделей.
Data Card — документ с описанием данных, использованных для обучения модели: источники, фильтрация, ограничения.
Reinforcement Learning (RL) — метод обучения модели через награды и штрафы за качество ответов.
N1X — собственный AI-чип Microsoft, анонсирован на Build 2026.
Вайбкодинг — создание продуктов с помощью AI без глубоких технических знаний.