4 月 3 日消息，美国时间周四，微软旗下研究部门 Microsoft AI 宣布推出三款基础人工智能模型，全面覆盖文本、语音及图像生成领域。
此举表明，微软在维持与 OpenAI 深度合作的同时，正持续构建自主的多模态 AI 技术栈，以应对同业竞争。
官方新闻稿显示，MAI-Transcribe-1 语音转录模型支持 25 种语言，处理速度达微软现有 Azure Fast 服务的 2.5 倍；音频生成模型 MAI-Voice-1 支持创建自定义语音，1 秒内可生成 60 秒音频；MAI-Image-2 则定位为图像生成模型。
目前，上述三款模型均已上线 Microsoft Foundry 平台，转录与语音模型亦同步登陆 MAI Playground 测试平台。此前，MAI-Image-2 已于 3 月 19 日在该测试平台首发。
该系列模型由 Microsoft AI 首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）领导的 MAI 超级智能（MAI Superintelligence）团队研发。该团队于 2025 年 11 月正式组建并对外公布。
苏莱曼在官方博客中表示，团队秉持“人文主义 AI”理念，模型开发侧重优化自然交互体验及实际应用落地。他透露，未来将在 Foundry 平台及微软自有产品矩阵中部署更多自主模型。
面对当前大模型市场的白热化竞争，微软打出了“价格牌”。官方明确表示，这三款模型的核心竞争优势之一，正是其定价远低于谷歌与 OpenAI 的同类竞品。
具体费率方面，MAI-Transcribe-1 定价每小时 0.36 美元起；MAI-Voice-1 每百万字符 22 美元起；MAI-Image-2 的文本输入与图像输出成本，则分别为每百万词元（Token）5 美元和 33 美元起。
一方面，微软在加紧自研步伐；另一方面，其对外部盟友的安抚也未曾停歇。苏莱曼在接受 VentureBeat 采访时重申，微软与 OpenAI 的合作承诺不会动摇。但在与 The Verge 的对谈中，他也透露了一个关键细节：正是双方近期重新修订的协议条款，为微软实质性推进自身的超级智能研究扫清了障碍。
迄今为止，微软已向 OpenAI 豪掷超 130 亿美元，并通过长效合作机制将后者的模型全面接入自家产品生态。从底层算力到上层模型，微软的战略意图已彻底浮出水面：正如在 AI 芯片领域“自研+采购”的双线布局一样，在基础大模型赛道上，微软同样选择了“两条腿走路”。（易句）
