6 月 2 日微软 Build 2026 大会上，微软 AI 团队一次性发布 MAI 系列七款自研模型，覆盖推理、编码、图像、语音和转录等模态。其中 MAI-Thinking-1 为首款原生推理模型，已在软件工程基准上接近顶尖水平；MAI-Code-1-Flash 则直接嵌入 GitHub Copilot 与 Visual Studio Code，强调推理效率与成本优势。微软明确表示，这些模型“从头训练，未蒸馏第三方”，标志其正从单纯托管 OpenAI 模型转向混合自给自足策略。
这一动作置于大厂普遍寻求模型自主权的背景下。过去两年，Azure 收入高度依赖 OpenAI，微软通过投资与独家分销绑定深度合作。如今面对 Anthropic、Google 等竞争对手持续迭代，以及自身产品线对低成本、高吞吐模型的需求，微软选择多模态并行布局，既降低对单一供应商的暴露，也为 Copilot、Foundry 等企业服务提供差异化选项。对比 Meta 长期坚持自研 Llama 系列、Google 持续迭代 Gemini，微软此举显示 hyperscaler 正从“买模型”转向“买+建”并重。
与此同时，Anthropic 6 月 1 日 confidential 提交 IPO 登记文件、OpenAI 传闻加速上市准备，进一步凸显闭源实验室资本压力与竞争白热化。微软自研路径或将成为更多大厂参考：它既能控制推理成本，又可在垂直场景（如编码、安全）形成护城河。
未来 6-12 个月，关键看 MAI 模型实际采用率与性能落地。若微软 Foundry 生态快速扩张，将加速大厂模型组合策略普及；若性能或生态追赶不及预期，OpenAI/Anthropic 的平台优势仍将维持。闭源巨头与 hyperscaler 之间的权力再分配，才刚刚开始。
信源：https://microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models/
