微軟最新模型 MAI-Image-2.5-Pro、MAI-Voice-2-Flash 發佈：未蒸餾第三方產品，已落地 Bing 及 PowerPoint 等場景

好的，這是一篇根據您提供的資訊撰寫的完整新聞稿。 ---

### 微軟自研AI雙箭齊發：MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash 正式亮相，強調「未經蒸餾」並已落地多項核心產品

微軟在自研人工智慧領域再次邁出重要一步，於當地時間7月23日正式宣佈推出兩款全新的 AI 模型：**MAI-Image-2.5-Pro** 與 **MAI-Voice-2-Flash**。這兩款模型目前均已進入公開預覽階段，標誌著微軟在擺脫對第三方模型依賴、打造完全自主可控的 AI 技術棧上，取得了關鍵性的突破。 微軟強調，這兩款模型完全由微軟 AI 團隊自主研發，其訓練過程使用經過嚴格清理、可完整追蹤溯源且符合企業級標準的高品質數據，**明確表示不涉及對第三方模型的蒸餾**。此舉旨在從底層架構設計開始，就能更完美地服務於微軟龐大的產品生態系統，為其數十億用戶與企業客戶提供更可靠、高效且成本更低的 AI 能力。 #### 精準圖像生成：MAI-Image-2.5-Pro

作為微軟目前精度最高的影像生成模型，MAI-Image-2.5-Pro 專為對圖像品質有極高要求的應用場景所設計。其主要亮點在於卓越的細節編輯能力、主視覺圖片的精準生成，以及最重要的——**圖像內文字渲染的準確性**。過去 AI 繪圖模型在生成招牌、海報或文件截圖時，常常出現文字拼寫錯誤或字體扭曲的困擾，微軟表示 MAI-Image-2.5-Pro 已針對此痛點進行了深度優化。 此外，該模型支援使用者透過自然語言編輯指令，對生成的圖片進行二次調整。無論是調整色調、替換物件或是修改構圖，使用者僅需輸入簡單的文字描述，即可精確控制生成內容。 在定價方面，MAI-Image-2.5-Pro 的公開預覽價格採用 Token 計費制：

- **文字輸入**：每 100 萬個 Token 收費 5 美元（約合 33.9 元人民幣）。 - **圖像輸入**：每 100 萬個 Token 收費 8 美元（約合 54.3 元人民幣）。 - **圖像輸出**：每 100 萬個 Token 收費 106 美元（約合 718.8 元人民幣）。 #### 低成本高並發：MAI-Voice-2-Flash

另一款備受關注的模型是 MAI-Voice-2-Flash，這是一款針對高頻率、大規模語音交互場景進行極致優化的模型。根據微軟提供的數據，相較於前一代的 MAI-Voice-2，新模型的**速度提升了約 2 倍**，同時**成本降低了 32%**。這使得它在保持自然語調與高品質語音輸出的前提下，能為客服中心、語音助手等需要極低延遲回應的服務提供強力支援。 MAI-Voice-2-Flash 的公開預覽價格為每 100 萬個字元 15 美元（約合 101.7 元人民幣），極具市場競爭力。微軟表示，該模型已成功應用於 T-Mobile、EasyJet 等客戶的服務場景中。 #### 廣泛落地應用：從 Bing 到 Office 再到醫療

微軟並非紙上談兵，而是迅速地將這兩款自研模型部署到旗下多個旗艦產品中，展現了強大的端到端整合能力。- **Bing Image Creator**：已全面轉用微軟自研圖像模型，其中 **MAI-Image-2.5** 已成為其預設的圖像生成模型，承擔所有用戶的圖像生成與編輯需求。- **PowerPoint**：在投影片的圖像編輯功能中，MAI-Image-2.5 被用於實現圖像到圖像的編輯。微軟指出，與使用其他模型（如 GPT-Image-2）相比，**該模型最高可降低 84% 的 GPU 成本**，顯著節省了營運開支。- **OneDrive**：MAI-Image-2.

5 已成為 OneDrive 部分圖像編輯功能的預設底層模型。微軟數據顯示，部署後相關功能的保存成功率提升了 26%，P95 延遲降低了約 25%，在中等負載生產環境下，**效率提升高達 2.5 倍**。- **Dynamics 365 Contact Center**：MAI-Voice-2-Flash 已整合至企業客服智能體服務中，用於處理真實的客戶通話。微軟表示，其**最高可降低 89% 的 GPU 成本**，讓大規模部署 AI 語音客服更具經濟效益。- **Azure Voice Live 服務**：開發者現在可以利用該模型，在 Azure 上構建支援即時語音到語音交互的智能體。

#### 專業領域的深度結合：醫療語音解決方案

除了前述的通用模型，微軟也展示了其在專業領域的佈局。自研的 **MAI-Transcribe-1.5** 模型已應用於知名的醫療語音解決方案 **Dragon Copilot**。這套服務目前被超過 17 萬名醫療服務提供者使用，僅上一個季度就處理了高達 2800 萬次患者問診記錄。 MAI-Transcribe-1.5 支援多達 58 種語言。在微軟內部的多語言錄音測試中，該模型在多數語言上的語音轉錄錯誤率與語言識別錯誤率均實現了 50% 的相對下降。早期研究顯示，其所生成的醫療記錄準確性也有所提升，有望大幅減輕醫護人員的行政負擔。 #### 展望未來：持續擴展的 MAI 生態系

微軟表示，MAI 系列模型將持續擴展，並透過 **Azure AI Foundry** 平臺提供給廣大開發者使用，以滿足不同行業的定製化需求。為了支撐下一階段的模型研發，微軟 AI 團隊的下一代 GB200 AI 計算集群已經正式投入運行，這為未來更強大模型的誕生奠定了堅實的硬體基礎。 此次新模型的發佈，不僅展示了微軟在 AI 基礎模型研發上的深厚實力，更明確了其以 **「自研、落地、降本增效」** 為核心的 AI 戰略路徑。從搜尋引擎到生產力工具，再到企業級雲服務與專業醫療領域，微軟正在構建一個全面且環環相扣的 AI 應用版圖。 **廣告聲明：** 文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考。IT之家所有文章均包含本聲明。