微軟首度推出自主研發的模型 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash,現已整合至 Bing 與 PowerPoint
7 月 23 日,微軟宣布推出兩款專有 AI 模型的公開預覽版:MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash。這些模型專為高品質影像生成及高並發語音互動而設計。 微軟強調,其訓練資料經過嚴格清理、可追溯,且並非源自第三方模型蒸餾。這些模型完全從頭開始建構,直接服務於微軟產品的使用者。

最高精度的影像模型可將 GPU 成本降低多達 84%
MAI-Image-2.5-Pro 是微軟最精準的影像模型,專為英雄圖生成、細部編輯及圖中文字渲染等高要求應用場景而設計,同時支援自然語言編輯指令。它已成為 Bing Image Creator 的預設影像生成模型,並用於 PowerPoint 中的圖像到圖像編輯。 相較於 GPT-Image-2,它可將 GPU 成本降低多達 84%。在 OneDrive 部署後,情境成功率提升了 26%,P95 延遲降低了約 25%,且在中等負載的生產環境中,效率提升了 2.5 倍。
定價方面,文字輸入為每百萬個代幣 5 美元,圖片輸出為每百萬個代幣 106 美元。
語音模型速度翻倍,服務 T-Mobile 等客戶

MAI-Voice-2-Flash 針對高頻率語音應用進行了優化,速度約為上一代的兩倍,且成本降低 32%,非常適合客服中心和語音助理等需要快速回應的場景。 該模型已整合至 Dynamics 365 Contact Center,為 T-Mobile 和 EasyJet 等客戶提供服務,並將 GPU 成本降低多達 89%。微軟亦已將其嵌入 Azure Voice Live 服務中,讓開發人員能夠建置語音對語音的互動式代理程式。
此外,同系列的 MAI-Transcribe-1.5 模型已應用於醫療語音解決方案 Dragon Copilot,該方案目前有 17 萬名醫療保健提供者使用。該模型上季處理了 2,800 萬次病患諮詢,支援 58 種語言,並將多數語言的轉錄錯誤率降低約 50%。 微軟透露,新一代 GB200 運算叢集已投入運作,而 MAI 系列也將持續擴展。
相關文章
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
如何修復核心網頁指標以獲得更好的 SEO 排名
利用 AI 工具簡化成績單評語撰寫引言用於生成成績單評語的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成績單評語登入 Magic School選擇成績單評語工具為學生定製評語使用 Almanac AI 生成成績單評語設定課程與評分方案配置評語長度與學生資訊使用 Almanac AI 生成評語比較 Magic School 與 Almanac AI設定的便捷性可定製性與課程內容的整合速度與效率使用
相關專題推薦
評論 (0)
0/500
7 月 23 日,微軟宣布推出兩款專有 AI 模型的公開預覽版:MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash。這些模型專為高品質影像生成及高並發語音互動而設計。 微軟強調,其訓練資料經過嚴格清理、可追溯,且並非源自第三方模型蒸餾。這些模型完全從頭開始建構,直接服務於微軟產品的使用者。

最高精度的影像模型可將 GPU 成本降低多達 84%
MAI-Image-2.5-Pro 是微軟最精準的影像模型,專為英雄圖生成、細部編輯及圖中文字渲染等高要求應用場景而設計,同時支援自然語言編輯指令。它已成為 Bing Image Creator 的預設影像生成模型,並用於 PowerPoint 中的圖像到圖像編輯。 相較於 GPT-Image-2,它可將 GPU 成本降低多達 84%。在 OneDrive 部署後,情境成功率提升了 26%,P95 延遲降低了約 25%,且在中等負載的生產環境中,效率提升了 2.5 倍。
定價方面,文字輸入為每百萬個代幣 5 美元,圖片輸出為每百萬個代幣 106 美元。
語音模型速度翻倍,服務 T-Mobile 等客戶

MAI-Voice-2-Flash 針對高頻率語音應用進行了優化,速度約為上一代的兩倍,且成本降低 32%,非常適合客服中心和語音助理等需要快速回應的場景。 該模型已整合至 Dynamics 365 Contact Center,為 T-Mobile 和 EasyJet 等客戶提供服務,並將 GPU 成本降低多達 89%。微軟亦已將其嵌入 Azure Voice Live 服務中,讓開發人員能夠建置語音對語音的互動式代理程式。
此外,同系列的 MAI-Transcribe-1.5 模型已應用於醫療語音解決方案 Dragon Copilot,該方案目前有 17 萬名醫療保健提供者使用。該模型上季處理了 2,800 萬次病患諮詢,支援 58 種語言,並將多數語言的轉錄錯誤率降低約 50%。 微軟透露,新一代 GB200 運算叢集已投入運作,而 MAI 系列也將持續擴展。
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
如何修復核心網頁指標以獲得更好的 SEO 排名
利用 AI 工具簡化成績單評語撰寫引言用於生成成績單評語的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成績單評語登入 Magic School選擇成績單評語工具為學生定製評語使用 Almanac AI 生成成績單評語設定課程與評分方案配置評語長度與學生資訊使用 Almanac AI 生成評語比較 Magic School 與 Almanac AI設定的便捷性可定製性與課程內容的整合速度與效率使用





首頁






