4月3日消息，美國時間周四，微軟旗下研究部門Microsoft AI宣布推出三款基礎(chǔ)人工智能模型，全面覆蓋文本、語音及圖像生成領(lǐng)域。

此舉表明，微軟在維持與OpenAI深度合作的同時，正持續(xù)構(gòu)建自主的多模態(tài)AI技術(shù)棧，以應(yīng)對同業(yè)競爭。

官方新聞稿顯示，MAI-Transcribe-1語音轉(zhuǎn)錄模型支持25種語言，處理速度達微軟現(xiàn)有Azure Fast服務(wù)的2.5倍；音頻生成模型MAI-Voice-1支持創(chuàng)建自定義語音，1秒內(nèi)可生成60秒音頻；MAI-Image-2則定位為圖像生成模型。

目前，上述三款模型均已上線Microsoft Foundry平臺，轉(zhuǎn)錄與語音模型亦同步登陸MAI Playground測試平臺。此前，MAI-Image-2已于3月19日在該測試平臺首發(fā)。

該系列模型由Microsoft AI首席執(zhí)行官穆斯塔法·蘇萊曼（Mustafa Suleyman）領(lǐng)導的MAI超級智能（MAI Superintelligence）團隊研發(fā)。該團隊于2025年11月正式組建并對外公布。

蘇萊曼在官方博客中表示，團隊秉持“人文主義AI”理念，模型開發(fā)側(cè)重優(yōu)化自然交互體驗及實際應(yīng)用落地。他透露，未來將在Foundry平臺及微軟自有產(chǎn)品矩陣中部署更多自主模型。

面對當前大模型市場的白熱化競爭，微軟打出了“價格牌”。官方明確表示，這三款模型的核心競爭優(yōu)勢之一，正是其定價遠低于谷歌與OpenAI的同類競品。

具體費率方面，MAI-Transcribe-1定價每小時0.36美元起；MAI-Voice-1每百萬字符22美元起；MAI-Image-2的文本輸入與圖像輸出成本，則分別為每百萬詞元（Token）5美元和33美元起。

一方面，微軟在加緊自研步伐；另一方面，其對外部盟友的安撫也未曾停歇。蘇萊曼在接受VentureBeat采訪時重申，微軟與OpenAI的合作承諾不會動搖。但在與The Verge的對談中，他也透露了一個關(guān)鍵細節(jié)：正是雙方近期重新修訂的協(xié)議條款，為微軟實質(zhì)性推進自身的超級智能研究掃清了障礙。

迄今為止，微軟已向OpenAI豪擲超130億美元，并通過長效合作機制將后者的模型全面接入自家產(chǎn)品生態(tài)。從底層算力到上層模型，微軟的戰(zhàn)略意圖已徹底浮出水面：正如在AI芯片領(lǐng)域“自研+采購”的雙線布局一樣，在基礎(chǔ)大模型賽道上，微軟同樣選擇了“兩條腿走路”。（易句）

（本文由AI翻譯，網(wǎng)易編輯負責校對）