# Microsoft AI 推出 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash 兩款全新模型，在 Microsoft Foundry 與 OpenRouter 展開公開預覽

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

> 原作者：Mustafa Suleyman (@mustafasuleyman) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-07-24

> 原始來源：https://x.com/mustafasuleyman/status/2080336466660724998

## 證據與延伸閱讀

- [Microsoft 發布 MAI-Image-2.5-Pro 支援公開測試。](https://microsoft.ai/news/introducing-mai-image-2-5-pro-and-mai-voice-2-flash/)
- [MAI-Voice-2-Flash效能與定價](https://openrouter.ai/microsoft/mai-voice-2-flash)

## 中文摘要

Microsoft AI 推出 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash 兩款全新模型，在 Microsoft Foundry 與 OpenRouter 展開公開預覽。

這兩款模型是 Microsoft AI 自行開發、使用乾淨且可追溯的企業級資料訓練而成，未透過第三方模型進行蒸餾。官方旨在為使用者與產品團隊提供兼顧品質、速度與成本的模型選擇。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/adea6dac4ae78fd2.png)
> Microsoft 公司商標

**MAI-Image-2.5-Pro 核心特點**
- 影像生成：提供該公司迄今最高保真度的圖像生成能力，專為高品質視覺內容與詳細編輯所設計。
- 文字渲染：具備精確的圖內文字渲染能力。
- 編輯能力：支援自然語言編輯，讓創作迭代過程更快速直覺。
- 定價與上架：目前已在 Foundry 與 [OpenRouter](https://openrouter.ai/microsoft/mai-image-2.5-pro)上架，文字輸入端每 1M token 為 5 美元，圖片輸入端每 1M token 為 8 美元，圖片輸出端每 1M token 為 106 美元。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/083b9f6497965efc.png)
> 背景帶有模糊光斑與雜訊效果的圖片正中央顯示著大寫的「MAI」文字。

**MAI-Voice-2-Flash 核心特點**
- 效能表現：速度比 MAI-Voice-2 快 2 倍，成本降低 32%，定價為每 1M 字元 15 美元。
- 語音表現：在支援 15 種語言的同時，維持了 MAI-Voice-2 的自然韻律與高品質音訊。
- 應用場景：針對即時互動體驗、大規模語音體驗與語音 Agent 進行優化，目前也已在 [OpenRouter](https://openrouter.ai/microsoft/mai-voice-2-flash) 上線。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/48df644bd3354970.jpg)
> 兩個帶有油畫質感的對話框重疊在一起，交會處綻放出一朵色彩繽紛的花朵，背景為淺灰色。

**微軟旗下產品的實際整合應用**
- Bing Image Creator：已全面採用 MAI-Image-2.5，透過其精確的圖像編輯能力，端到端支援高品質生成與創作控制。
- PowerPoint：在端到端的影像對影像（image-to-image）功能中採用 MAI-Image-2.5，相比 GPT-Image-2 降低高達 84% 的 GPU 成本。
- OneDrive：作為關鍵生產力影像編輯場景的預設模型，推出後使儲存成功率提升 26%，P95 延遲降低約 25%，在中等負載的生產工作負載下達到 2.5 倍的效率提升。
- 企業客服與 Azure：MAI-Voice-2-Flash 現正驅動 Dynamics 365 Contact Center，服務 T-Mobile 與 EasyJet 等客戶，最高可減少 89% 的 GPU 成本；同時也整合至 Azure Voice Live，讓開發人員能快速建構具備語音對語音互動能力的 Agent。
- 醫療領域：MAI 與 Dragon Copilot 合作，以 MAI-Transcribe-1.5 支援 58 種語言的多語系工作流程，在多語系錄音的內部評估中，多數語言的轉錄與語言識別錯誤率皆相對減少 50%。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/19c07e448ef0d279.png)
> 置於水波紋與氣泡質感淺藍色背景中央的方形照片，捕捉了黃昏時分一群人在草地上剪影，天空中有群飛的鳥類，並帶有重複排列的「Ode」文字浮水印。

**未來展望與硬體基礎**
團隊表示，目前次世代的 GB200 叢集已正式運作，未來將持續打造更具規模的運算能力，並透過自家模型為全球數億使用者帶來實質的正面影響。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/23e9fedca185e08d.png)
> 背景為綠粉相間的動態模糊質感，中央帶有一個白色細線框住的正方形，框內置有「MAI」白色字樣。

## 標籤

新產品, LLM, TTS, Microsoft, OpenRouter