微软推出自主研发的模型 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash,现已集成到必应和 PowerPoint 中
7月23日,微软宣布了两款专有AI模型——MAI-Image-2.5-Pro和MAI-Voice-2-Flash——的公开预览版。这些模型专为高质量图像生成和高并发语音交互而设计。 微软强调,训练数据经过清理、可追溯,且并非源自第三方模型蒸馏。这些模型完全从零开始构建,直接服务于微软产品的用户。

最高精度图像模型可将 GPU 成本降低多达 84%
MAI-Image-2.5-Pro 是微软精度最高的图像模型,专为英雄图生成、精细编辑和图像内文本渲染等高要求用例而设计,同时支持自然语言编辑指令。它已成为 Bing Image Creator 中的默认图像生成模型,并被用于 PowerPoint 中的图像到图像编辑。 与 GPT-Image-2 相比,它可将 GPU 成本降低多达 84%。在 OneDrive 部署后,场景成功率提高了 26%,P95 延迟降低了约 25%,中等负载生产环境中的效率提高了 2.5 倍。
定价方面,文本输入为每百万令牌 5 美元,图像输出为每百万令牌 106 美元。
语音模型速度翻倍,服务于 T-Mobile 等客户

MAI-Voice-2-Flash 专为高频语音应用进行了优化,速度约为上一代的两倍,成本降低了 32%,非常适合呼叫中心和语音助手等需要快速响应的场景。 该模型已集成到 Dynamics 365 Contact Center 中,为 T-Mobile 和易捷航空(EasyJet)等客户提供服务,GPU 成本最高可降低 89%。微软还将其嵌入 Azure Voice Live 服务,使开发者能够构建语音到语音的交互式代理。
此外,同系列的 MAI-Transcribe-1.5 模型已被应用于医疗语音解决方案 Dragon Copilot,该方案已被 17 万名医疗保健提供者采用。该模型上季度处理了 2800 万次患者问诊,支持 58 种语言,并使大多数语言的转录错误率降低了约 50%。 微软透露,新一代 GB200 计算集群已投入运行,MAI 系列也将持续扩展。
相关文章
Suno 在法律诉讼中为歌曲添加水印
Suno,这个允许用户生成由人工智能创作的音乐的平台,近日推出了新功能,包括为平台制作的曲目添加标签、限制下载,并更新社区标准以遏制未经授权的复制品。这些更新是在Suno面临多家唱片公司和艺术家组织提起的多起诉讼之际推出的。在博客文章中,联合创始人兼首席执行官Mikey Shulman概述了核心原则,强调该平台旨在促进原创创作,同时扩大更广泛受众对人工智能音乐工具的访问权限。一个主要的争议点在于,用户将人工智能生成的歌曲上传到其他流媒体服务并通过操纵系统获取收入。Suno表示,现在将采用音频
马斯克承认 Grok 构建过程中泄露了用户代码,并承诺清除所有历史数据
埃隆·马斯克直接回应了围绕 Grok Build 的隐私争议,首先以简单的“True”(属实)确认了该事件的有效性。他承诺,此前上传至 SpaceXAI 的所有用户数据将被永久删除,并表示“不留一个字节”。这是人工智能行业首次由主要科技领袖公开承认错误并主动删除用户数据。安全研究人员的“钓鱼”测试揭示了数据泄露的具体证据此次争议源于独立人工智能安全研究人员 @cereblab 的一份报告。SpaceXAI 推出的 AI 编程助手 Grok Build 在其官方网站上声称其“优先本地运行,代码
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
相关专题推荐
评论 (0)
0/500
7月23日,微软宣布了两款专有AI模型——MAI-Image-2.5-Pro和MAI-Voice-2-Flash——的公开预览版。这些模型专为高质量图像生成和高并发语音交互而设计。 微软强调,训练数据经过清理、可追溯,且并非源自第三方模型蒸馏。这些模型完全从零开始构建,直接服务于微软产品的用户。

最高精度图像模型可将 GPU 成本降低多达 84%
MAI-Image-2.5-Pro 是微软精度最高的图像模型,专为英雄图生成、精细编辑和图像内文本渲染等高要求用例而设计,同时支持自然语言编辑指令。它已成为 Bing Image Creator 中的默认图像生成模型,并被用于 PowerPoint 中的图像到图像编辑。 与 GPT-Image-2 相比,它可将 GPU 成本降低多达 84%。在 OneDrive 部署后,场景成功率提高了 26%,P95 延迟降低了约 25%,中等负载生产环境中的效率提高了 2.5 倍。
定价方面,文本输入为每百万令牌 5 美元,图像输出为每百万令牌 106 美元。
语音模型速度翻倍,服务于 T-Mobile 等客户

MAI-Voice-2-Flash 专为高频语音应用进行了优化,速度约为上一代的两倍,成本降低了 32%,非常适合呼叫中心和语音助手等需要快速响应的场景。 该模型已集成到 Dynamics 365 Contact Center 中,为 T-Mobile 和易捷航空(EasyJet)等客户提供服务,GPU 成本最高可降低 89%。微软还将其嵌入 Azure Voice Live 服务,使开发者能够构建语音到语音的交互式代理。
此外,同系列的 MAI-Transcribe-1.5 模型已被应用于医疗语音解决方案 Dragon Copilot,该方案已被 17 万名医疗保健提供者采用。该模型上季度处理了 2800 万次患者问诊,支持 58 种语言,并使大多数语言的转录错误率降低了约 50%。 微软透露,新一代 GB200 计算集群已投入运行,MAI 系列也将持续扩展。
Suno 在法律诉讼中为歌曲添加水印
Suno,这个允许用户生成由人工智能创作的音乐的平台,近日推出了新功能,包括为平台制作的曲目添加标签、限制下载,并更新社区标准以遏制未经授权的复制品。这些更新是在Suno面临多家唱片公司和艺术家组织提起的多起诉讼之际推出的。在博客文章中,联合创始人兼首席执行官Mikey Shulman概述了核心原则,强调该平台旨在促进原创创作,同时扩大更广泛受众对人工智能音乐工具的访问权限。一个主要的争议点在于,用户将人工智能生成的歌曲上传到其他流媒体服务并通过操纵系统获取收入。Suno表示,现在将采用音频
马斯克承认 Grok 构建过程中泄露了用户代码,并承诺清除所有历史数据
埃隆·马斯克直接回应了围绕 Grok Build 的隐私争议,首先以简单的“True”(属实)确认了该事件的有效性。他承诺,此前上传至 SpaceXAI 的所有用户数据将被永久删除,并表示“不留一个字节”。这是人工智能行业首次由主要科技领袖公开承认错误并主动删除用户数据。安全研究人员的“钓鱼”测试揭示了数据泄露的具体证据此次争议源于独立人工智能安全研究人员 @cereblab 的一份报告。SpaceXAI 推出的 AI 编程助手 Grok Build 在其官方网站上声称其“优先本地运行,代码
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径





首页






