Microsoft predstavil sedem vlastných AI modelov

Microsoft na Build 2026 predstavil sedem nových AI modelov z rodiny MAI, ktoré majú postupne smerovať do Copilotu, Microsoft Foundry, GitHub Copilotu, VS Code, PowerPointu, OneDrive, Teams aj firemných agentických riešení. Firma tým rozširuje vlastný AI stack a posúva sa od závislosti na externých modeloch k vlastným riešeniam pre text, kód, obraz, reč aj hlas.

Nové modely majú zároveň tvoriť základ pre Microsoft Frontier Tuning, teda systém, ktorý firmám umožní prispôsobiť modely vlastným dátam, pracovným postupom a interným pravidlám. Microsoft to prezentuje ako spôsob, ako si podniky môžu vytvárať vlastných agentov, nad ktorými majú plnú kontrolu.

MAI-Thinking-1 - reasoning, dlhý kontext a vývoj softvéru

Najdôležitejším modelom z celej zostavy je MAI-Thinking-1, nový textový foundation model zameraný na reasoning, komplexné úlohy a softvérový vývoj. Ide o Mixture of Experts model s 35 miliardami aktívnych parametrov a 256K kontextovým oknom, čo mu umožňuje pracovať s rozsiahlymi dokumentmi, veľkými kódovými základňami a viacstupňovými problémami.

Microsoft tvrdí, že MAI-Thinking-1 dosiahol 97 % v AIME 2025, čo firma označuje ako dôležitý test všeobecných reasoning schopností. V náročnom SWE Bench Pro má model dosahovať 53 %, čím sa podľa Microsoftu dostáva na úroveň modelov ako Claude Opus 4.6. Model má byť optimalizovaný aj pre vlastný AI čip MAIA 200, kde má pri behu MAI modelov priniesť lepší výkon na dolár aj výkon na watt než porovnateľné riešenie s GB200.

MAI-Image-2.5 - generovanie a úprava obrázkov

MAI-Image-2.5 je nový obrazový model zameraný na generovanie obrázkov a úpravu existujúcich vizuálov. Podporuje text-to-image aj image-to-image úlohy, takže môže vytvárať obrázky z textových zadaní, ale aj upravovať už existujúce obrázky podľa pokynov používateľa.

Microsoft ho prezentuje ako model s vysokou kvalitou výstupov a silným výsledkom v hodnoteniach image editingu. Má byť nasadený najmä v kreatívnych nástrojoch, ako je PowerPoint, a neskôr má smerovať aj do OneDrive a Microsoft Foundry. V praxi môže pomáhať pri tvorbe prezentácií, úprave vizuálov, návrhoch grafiky alebo firemných kreatívnych workflowoch.

MAI-Image-2.5-Flash - rýchlejšie a lacnejšie obrázkové výstupy

MAI-Image-2.5-Flash je rýchlejšia a efektívnejšia verzia obrazového modelu. Kým plná verzia MAI-Image-2.5 sa sústreďuje hlavne na kvalitu, Flash variant má byť vhodný pre rýchle produkčné nasadenie, nižšiu cenu a situácie, kde je dôležitá rýchla odozva.

Tento model môže byť vhodný napríklad pre nástroje, ktoré potrebujú generovať alebo upravovať veľké množstvo obrázkov, náhľadov, návrhov alebo vizuálnych variantov. Microsoft ním cieli na prípady, kde sa vyžaduje dobrý pomer medzi kvalitou, rýchlosťou a nákladmi.

MAI-Transcribe-1.5 - prepis reči do textu

MAI-Transcribe-1.5 je model na prepis reči do textu. Podporuje 43 jazykov a je navrhnutý na použitie v produktoch ako Copilot, Teams, GitHub alebo Dynamics 365 Contact Center. Microsoft tvrdí, že model dokáže prepísať hodinu audia za menej ako 15 sekúnd, čo ho predurčuje na rýchle spracovanie stretnutí, hovorov, poznámok alebo zákazníckej komunikácie.

Dôležitou funkciou má byť aj lepšie rozpoznávanie špecifických výrazov. Model vie pracovať s takzvaným keyword biasingom, teda zvýhodnením konkrétnych slov, názvov alebo odbornej terminológie. To môže byť užitočné vo firmách, zdravotníctve, technických tímoch alebo call centrách, kde bežné modely často chybujú pri interných názvoch a odborných pojmoch.

MAI-Voice-2 - syntéza hlasu a hlasoví agenti

MAI-Voice-2 je text-to-speech model určený na syntézu hlasu. Podporuje 15 jazykov a má umožniť prirodzenejšie, expresívnejšie a kontextovo vhodnejšie hlasové výstupy. Microsoft pri ňom spomína aj podporu emocionálnych značiek, vďaka ktorým môže byť hlas menej monotónny a lepšie prispôsobený konkrétnej situácii.

Model podporuje aj zero-shot voice prompting z krátkej referenčnej nahrávky v rozsahu približne 5 až 60 sekúnd. Microsoft zároveň zdôrazňuje bezpečnostné prvky proti zneužitiu hlasového klonovania. MAI-Voice-2 tak môže byť základom pre hlasových agentov, čítanie textov, zákaznícku podporu alebo prístupnejšie používateľské rozhrania.

MAI-Voice-2-Flash - rýchla syntéza hlasu s nízkou latenciou

MAI-Voice-2-Flash je rýchlejšia a lacnejšia verzia hlasového modelu. Zameriava sa hlavne na nízku latenciu a efektívne nasadenie v hlasových agentoch, kde musí systém reagovať takmer okamžite.

Použitie dáva zmysel najmä v zákazníckych službách, interných asistentoch, call centrách alebo zariadeniach, ktoré komunikujú hlasom. Flash verzia má priniesť dostatočne kvalitný hlasový výstup, ale s nižšími nárokmi na výpočtový výkon a cenu prevádzky.

MAI-Code-1-Flash - programovanie, VS Code a GitHub Copilot

MAI-Code-1-Flash je nový kódovací model určený pre VS Code, GitHub Copilot a GitHub Copilot CLI. Má iba 5 miliárd parametrov, no Microsoft tvrdí, že v teste SWE Bench Pro dosahuje 51 %. Firma ho preto prezentuje ako menší, lacnejší a efektívnejší model, ktorý sa veľkosťou približuje skôr kompaktným modelom, ale výkonom má zvládať aj náročnejšie vývojárske úlohy.

Model je ladený na bežné vývojárske workflowy, úpravy kódu, prácu s terminálom, refaktoring, opravy chýb a agentické zásahy v repozitároch. V praxi má pomôcť najmä tam, kde nie je potrebné používať veľký a drahý model, ale stále treba dostatočne kvalitnú asistenciu pri programovaní.

Frontier Tuning - firemné prispôsobenie modelov

Všetkých sedem modelov má tvoriť základ pre Microsoft Frontier Tuning. Ten umožní firmám prispôsobovať modely podľa vlastných dát, procesov a interných úloh. Microsoft to opisuje ako spôsob, ako z modelu vytvoriť firemného agenta, ktorý lepšie chápe konkrétny kontext organizácie.

Firma tvrdí, že pri ladení modelov pre McKinsey dosiahli MAI modely vyššiu kvalitu než GPT-5.5 pri približne desaťnásobne nižších nákladoch. Microsoft zároveň oznámil spoluprácu s Mayo Clinic, s ktorou chce trénovať nový frontier AI model pre zdravotníctvo. Ten má byť najskôr použitý v prostredí Mayo Clinic a neskôr dostupný cez Azure Foundry.