# Microsoft AI 發表 MAI 系列模型實現多模態協作

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Microsoft AI (@MicrosoftAI) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-06-05

> 原始來源：https://x.com/MicrosoftAI/status/2062640698478780675

## 證據與延伸閱讀

- [channellife.com.au/story/microsoft-ai-launches-seven-new-models-across-tasks](https://channellife.com.au/story/microsoft-ai-launches-seven-new-models-across-tasks)
- [microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models](https://microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models/)
- [it-connect.tech](https://www.it-connect.tech/microsoft-unveils-mai-thinking-1-its-first-ai-reasoning-model/)
- [reddit.com](https://www.reddit.com/r/singularity/comments/1tv10ix/building_a_hillclimbing_machine_launching_seven/)
- [mashable.com/tech/microsoft-launches-new-mai-family-of-models-at-build](https://mashable.com/tech/microsoft-launches-new-mai-family-of-models-at-build)
- [franksworld.com](https://www.franksworld.com/tag/microsoft-build/)
- [microsoft.com](https://news.microsoft.com/source/2026/06/02/mayo-clinic-and-microsoft-collaborate-to-develop-a-frontier-ai-model-for-healthcare/)

## 中文摘要

Microsoft AI 發表 MAI 系列模型實現多模態協作。

**核心產品陣容**
Microsoft AI 此次推出的七款模型涵蓋了影像、語音、轉錄與程式開發等多種應用場景，並強調模型間能無縫整合。具體模型清單如下：
- 影像處理：`MAI Image-2.5` 與 `MAI Image-2.5-Flash`，主打專業級的精確編輯與控制能力。
- 轉錄技術：`MAI Transcribe-1.5`，標榜為全球最佳轉錄模型，支援 43 種語言，且處理速度較競爭對手快 5 倍。
- 語音互動：`MAI Voice-2` 與 `MAI Voice-2-Flash`，具備自然語調與情感控制功能，支援 15 種語言。
- 推理能力：`MAI Thinking-1`，為微軟首款推理模型，專注於複雜任務處理。
- 程式開發：`MAI Code-1-Flash`，具備 5B 參數，在 SWE Bench Pro 測試中達到 51% 的成功率。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780632121642-22umj549.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780632124553-ediaHJ4yL5WAAE1xEpng.png" controls preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 微軟在發表會上展示了七款全新的 MAI 系列 AI 模型，涵蓋影像、語音、轉錄與程式碼編寫等領域。

**技術願景與應用**
Mustafa Suleyman 在 [MSBuild 2026 主題演講](https://msft.it/6017vdkbZ)中提出了「人文主義超級智慧（Humanist Superintelligence）」的概念，強調 AI 發展應建立在科學基礎與商業安全的資料集之上。此外，微軟已宣布與梅奧診所（Mayo Clinic）建立合作夥伴關係，將上述技術投入醫療領域，共同開發專屬的 AI 模型。

**設計理念**
這七款模型不僅是單一功能的提升，更強調「協作性」。透過將推理、程式碼編寫、語音與影像處理能力整合，微軟試圖打造一套能共同運作的生態系統。對於開發者而言，這些模型在確保商業合規性的前提下，提供了更為精確的控制選項，特別是在需要高準確度的專業領域中，這些工具將成為關鍵的技術支撐。

## 媒體內容

**微軟在發表會上展示了七款全新的 MAI 系列 AI 模型，涵蓋影像、語音、轉錄與程式碼編寫等領域。**

**影片中的 Prompt 與操作**

Prompt（02:08）：

```
幫我建立一個能為新提交（commit）編寫測試的代理程式...
```

原文：Build me an agent that writes tests for new commits...

操作步驟：

1. （02:08）講者展示 MAI-Thinking-1 的輸入框介面，輸入指令並執行。

**逐字稿**

- `00:00` 我們在 MAI 正致力於打造我們所謂的人文超級智慧，（We at MAI are building towards what we call humanist superintelligence,）
- `00:05` 這是一種最先進的 AI 能力，其設計初衷明確，（state-of-the-art AI capabilities that are explicitly designed）
- `00:09` 旨在服務個人與組織，而非取代他們。（to serve people and organizations and not replace them.）
- `00:14` 因此，今天我們非常興奮地宣布推出七款全新的模型系列，（So today, we are very excited to announce a family of seven new models）
- `00:19` 涵蓋了影像、語音、轉錄與程式撰寫。（across image, voice, transcription, and coding.）
- `00:24` 這些模型在開發時都極度注重細節，（These are all built with real attention to detail）
- `00:27` 並致力於打造非常實用且高效的工具，（and a commitment to making very practical and efficient tools）
- `00:32` 這些工具經過調整，能完美契合您在現實世界中的工作方式。（that are tuned to just how you work in the real world.）
- `00:35` 首先是 MAI Image 2.5 及其 Flash 版本。（So first up, MAI Image 2.5 and its Flash variant.）
- `00:39` 它們能為您提供精準的編輯功能，並具備令人驚豔的控制力與一致性。（They give you precise editing with incredible control and consistency.）
- `00:44` 接著是 MAI Transcribe 1.5。（We've got MAI Transcribe 1.5.）
- `00:48` 這是全球最優秀的轉錄模型，（This is the best transcription model in the world,）
- `00:51` 速度比所有競爭對手的模型快上五倍。（five times faster than all rival models.）
- `01:00` 與此搭配的，還有 MAI Voice 2。（So paired with that, we've got MAI Voice 2.）
- `01:03` 這是我們最新的語音生成模型。（This is our latest speech generation model.）
- `01:05` 它擁有優美的韻律、自然的語調，（It has beautiful prosody, natural-sounding delivery,）
- `01:09` 以及細膩的情感控制，（fine-grained emotional control,）
- `01:11` 目前支援 15 種語言，未來還會陸續增加更多語言。（and it's available in 15 languages with many more coming soon.）
- `01:14` 我們同時也宣布推出 Voice 2 Flash，（We're also announcing Voice 2 Flash,）
- `01:18` 它能為極度講求延遲的語音 Agent 提供最佳的價值與速度，（and that provides the very best value and speed）
- `01:20` 而這當然也是 2026 年最熱門的技術趨勢。（for ultra-latency-sensitive voice agents,）
- `01:23` 接下來是我們的文字基礎模型：MAI Thinking 1。（which, of course, is the big thing in 2026.）
- `01:26` 這是我們首款推理模型，（Next up, our text foundation model, MAI Thinking 1.）
- `01:31` 在我們鎖定的推理與軟體工程（SWE）任務使用場景中，表現極其強大。（This is our first reasoning model,）
- `01:33` 此外，Surge 上的獨立人類評測員在進行對比測試時，（and it's exceptionally strong in our target use cases）
- `01:37` 認為其整體品質優於 Sonnet 4.6。（of reasoning and SWE tasks.）
- `01:39` 最後，我非常興奮地宣布推出 MAI Code 1 Flash，（And independent human raters on Surge）
- `01:42` 它能以極高的推論效率，提供非常強大的程式撰寫效能。（prefer it in overall quality side-by-sides versus Sonnet 4.6.）
- `01:47` 現在，有一件事讓我特別興奮，（Now, finally, I'm incredibly excited to announce MAI Code 1 Flash,）
- `01:53` 那就是我們一直以來都在與我們自家的晶片進行緊密的協同設計。（delivering really strong coding performance）
- `01:55` 對我們而言，這就是實現端到端全堆疊掌控的意義。（at great inference efficiency.）
- `01:57` 這是 Microsoft Frontier Tuning 的基礎，（Now, one of the things I'm particularly excited about）
- `01:59` 讓您能夠使用我們完整的爬山演算法機器，（is that we have been carefully co-designing our models）
- `02:03` 在您需要的地方自訂 MAI 模型。（with our own silicon.）
- `02:05` 這意味著我們在打造模型時所投入的嚴謹且不懈的工程努力，（Now, to us, this is what owning the full stack end-to-end looks like.）
- `02:10` 現在都能透過一個值得您信賴的平台提供給各位，（It's the foundation of Microsoft Frontier Tuning,）
- `02:13` 並代表您去建立由您親自掌控的客製化 Agent。（lets you customize the MAI models）
- `02:16` 好的。（using our full sack hill-climbing machine）
- `02:17` 現在，還有最後一個讓我非常興奮的公告。（right where you want it.）
- `02:19` 我們正與梅奧診所（Mayo Clinic）建立合作夥伴關係。（And it means that the disciplined）
- `02:20` 以及投入在打造我們模型中，（and very relentless engineering）
- `02:22` 那種非常不懈的工程努力，（that has gone into building our models）
- `02:24` 現在已經開放給各位使用，（is now available to all of you）
- `02:27` 在一個您可以信任的平台上，（on a platform that you can trust,）
- `02:29` 為您工作，（working on your behalf）
- `02:30` 以建立由您掌控的客製化 Agent。（to create custom agents that you will control.）
- `02:35` 好的。（Okay.）
- `02:36` 那麼現在，還有最後一個公告，（So now, just one final announcement）
- `02:38` 讓我感到非常興奮。（that I'm very excited about.）
- `02:40` 我們正在與梅約診所（Mayo Clinic）合作。（We are partnering with Mayo Clinic）
- `02:41` 共同開發一款用於醫療領域的全新前沿大型語言模型（to jointly develop a new frontier model for health）
- `02:45` 並將其部署到世界各地（and then deploy it around the world）
- `02:46` 應用於醫院及其他場域。（in their hospitals and beyond.）
- `02:48` 今天標誌著我們在旅程中（Today marks some very, very exciting steps）
- `02:51` 邁出了非常、非常令人興奮的步伐（that we're taking on our journey）
- `02:53` 旨在微軟創造以人為本的超級人工智慧。（to create humanist superintelligence at Microsoft.）
- `02:55` 我真的覺得這是一個 AI 的新時代，（I really feel like this is a new era in AI,）
- `02:59` 一個由您依照自己的條件來掌控的 AI 時代。（an era of AI that you control on your terms.）
- `03:03` 所以，讓我們一起來打造它。（So let's build it together.）
- `03:04` 非常感謝大家。（Thank you very much, everyone.）
- `03:06` 謝謝。（Thank you.）

## 標籤

新產品, AIGC, VLM, TTS, ASR, Microsoft, MAI