4 月 15 日，微軟正式發(fā)布 MAI-Image-2-Efficient，這是其旗艦文生圖模型 MAI-Image-2 的低成本、高速度變體。新模型定價為每百萬輸入 token 5 美元、每百萬輸出圖像 token 19.5 美元，較 MAI-Image-2 的 33 美元輸出定價下降約 41%。

微軟聲稱，該模型在 NVIDIA H100 硬件上運行速度快 22%，每 GPU 吞吐量效率提升 4 倍，延遲表現(xiàn)優(yōu)于谷歌 Gemini 3.1 Flash、Gemini 3.1 Flash Image 及 Gemini 3 Pro Image 三款模型平均 40%（基于 p50 中位數(shù)基準測試）。

這是微軟 AI 超級智能團隊（MAI Superintelligence team）自 2025 年 11 月公開亮相以來推出的一整套模型矩陣中的最新成果，也是該團隊首次實現(xiàn)旗艦模型發(fā)布后不到一個月即推出優(yōu)化變體的“初創(chuàng)公司式”迭代節(jié)奏。而這一切的背后，是微軟與 OpenAI 曾經(jīng)定義生成式 AI 時代的合作伙伴關系正在出現(xiàn)明顯裂痕。

雙模型策略：Efficient與Flagship

微軟將 MAI-Image-2-Efficient 定位為“生產(chǎn)線工具”，目標場景包括產(chǎn)品攝影、營銷創(chuàng)意、UI 樣機、品牌資產(chǎn)管道和實時交互應用。該模型能夠干凈地處理標題和標簽等短文本，適用于批處理環(huán)境的嚴格延遲和預算約束。

而 MAI-Image-2 則繼續(xù)擔任“精密儀器”角色——當需求涉及最高級別的照片級真實感、復雜風格化（如動漫或插畫）或更長更復雜的圖像內(nèi)文字時，企業(yè)客戶仍需選擇旗艦模型。

這種分層配對策略并非微軟首創(chuàng)。OpenAI 的 GPT 模型梯隊、Anthropic 的 Haiku-Sonnet-Opus 產(chǎn)品線、谷歌的 Flash-Pro 區(qū)分，都采用了類似的定價邏輯。但在圖像生成領域，單張圖像的成本經(jīng)濟學可能決定規(guī)模化部署的成敗。

據(jù)報道，該模型已在 Arena.ai（原 LMArena）圖像生成排行榜上位列第三，僅次于谷歌 Gemini 3.1 Flash 和 OpenAI 的 GPT Image 1.5。評測者指出，MAI-Image-2 的照片真實感是“真正的優(yōu)勢”，文字渲染能力“超出預期地一致處理復雜排版”。在某些直接對比中，MAI-Image-2 甚至在圖像質(zhì)量和文字渲染上超越 OpenAI 的 GPT Image 1.5——盡管在排行榜上仍居其后。

但原模型也存在顯著限制：生成間隔 30 秒冷卻時間、原生界面每日 15 張上限、僅支持 1:1 寬高比、缺乏圖生圖功能，以及會屏蔽無害創(chuàng)意提示的激進內(nèi)容過濾。此次 Efficient 版本是否繼承或放寬這些限制，微軟在公告中未予說明。

微軟-OpenAI 聯(lián)盟松動

但這次發(fā)布不能孤立理解，特別是當下微軟與 OpenAI 關系已經(jīng)出現(xiàn)明顯裂痕。

4 月 12 日，OpenAI 新任首席營收官 Denise Dresser 向員工發(fā)送了一份內(nèi)部備忘錄。據(jù)報道，備忘錄在批評競爭對手 Anthropic 的同時，也提到“我們與 Microsoft 的合作是我們成功的基礎，但它也限制了我們在企業(yè)所在的地方與他們相遇的能力，對很多企業(yè)來說，那個地方是 Bedrock”。備忘錄稱，自 2 月底宣布與 Amazon 合作以來，來自客戶的入站需求“坦率地說令人震驚”。

微軟早在 2024 年 7 月底的年度報告中（10-K 表格）已將 OpenAI 列入競爭對手名單。而 OpenAI 則通過 CoreWeave、谷歌和甲骨文多元化其云基礎設施，減少對微軟 Azure 的依賴。

MAI 模型家族是微軟這一戰(zhàn)略脫鉤最具體的表達。當微軟能夠以每百萬輸出 token 19.5 美元的成本用自研模型生成生產(chǎn)級質(zhì)量圖像時，繼續(xù)授權(quán) OpenAI 圖像模型并與其分享收入的算盤就會發(fā)生戲劇性轉(zhuǎn)變。每一個達到生產(chǎn)質(zhì)量的 MAI 模型，都是微軟可能從 OpenAI 資產(chǎn)負債表移至自己賬下的項目。

此前，3 月 17 日，據(jù)微軟官方博客披露的全面重組中，將消費者和商業(yè) Copilot 業(yè)務統(tǒng)一至單一領導團隊，Jacob Andreou 升任 Copilot 執(zhí)行副總裁直接向納德拉匯報。關鍵的是，Mustafa Suleyman （微軟 AI CEO，主導組建 MAI 超級智能團隊）的角色也被重新聚焦。納德拉在給員工的信中寫道，公司正在“加倍投入超級智能使命，用人才和算力構(gòu)建在評估、成本削減（COGS reduction）和前沿推進方面產(chǎn)生實際產(chǎn)品影響的模型”。

“COGS reduction”這一企業(yè)黑話直指經(jīng)濟動機：每節(jié)省一美元授權(quán)費用，就直接流入毛利率，即降低每生成一張圖所消耗的算力、推理和運營費用。

為什么便宜快速的圖像生成至關重要

還有一個維度讓此次發(fā)布具有戰(zhàn)略意義，且可能是最重要的一個：AI Agent 的崛起。

據(jù)報道，微軟正在測試將類似 OpenClaw 的功能集成到 Microsoft 365 Copilot 中，構(gòu)建可長時間執(zhí)行多步驟任務的 always-on agent。公司已推出 Copilot Cowork（在 Microsoft 365 應用內(nèi)行動的 agent）、Copilot Tasks（完成多步驟個人生產(chǎn)力任務的 agent）和 Agent 365（納德拉重組備忘錄中提及）。預計將在 6 月的 Build 大會上展示這些 agent 能力。

在 Agent 世界——AI 系統(tǒng)不僅回答問題，還能自主執(zhí)行復雜工作流——圖像生成成為 agent 可編程調(diào)用的基礎組件，而非用戶手動交互的獨立產(chǎn)品。一個構(gòu)建營銷活動的企業(yè) agent 可能需要生成數(shù)十張產(chǎn)品圖片、創(chuàng)建社交媒體素材、制作演示圖形，并在無人干預的情況下迭代設計概念。

這種工作流的經(jīng)濟學完全由 per-token pricing（按 token 計費）和延遲支配，而這正是 MAI-Image-2-Efficient 優(yōu)化的核心。如果微軟對 Copilot 的愿景涉及在日常大型工作流中例行調(diào)用圖像生成的 agent，那么這些 agent 需要的圖像生成必須足夠快以不造成瓶頸、足夠便宜以在每天數(shù)千次調(diào)用時不破壞成本預測。

4 倍效率提升和 41% 價格削減不只是漂亮的營銷數(shù)字——它們是微軟押注公司的 Agent 未來的架構(gòu)要求。

此次發(fā)布仍有若干關鍵問題未解答。

微軟未披露 MAI-Image-2-Efficient 是否解決了評測者在原模型中指出的寬高比限制和激進內(nèi)容過濾。公司也未說明質(zhì)量與速度的權(quán)衡是否在復雜提示下涉及可見的質(zhì)量下降——公告中將“生產(chǎn)就緒質(zhì)量”和“旗艦質(zhì)量”互換使用，但任何類型的蒸餾模型通常都涉及某種質(zhì)量讓步。

MAI Playground 目前僅在美國等選定市場可用，歐盟可用性列為“coming soon”。Copilot 集成正在進行但未完成。通過 Foundry 的企業(yè) API 雖已上線，仍處于早期部署階段。

但軌跡明確無誤。在 MAI 超級智能團隊宣布后不到五個月，微軟已推出一個旗艦圖像模型、三個其他基礎模型，以及現(xiàn)在的成本優(yōu)化生產(chǎn)變體——所有這些都在重組整個 Copilot 組織、應對與最重要 AI 合作伙伴的破裂關系、并為可能重新定義企業(yè)生產(chǎn)力的 Agent 功能奠定基礎的同時完成。

對于這家在生成式 AI 時代前兩年主要轉(zhuǎn)售他人技術(shù)的公司而言，微軟現(xiàn)在正在做一些它很久未在 AI 領域做過的事：按照自己的時間表、以自己的價格、交付自己的工作——并挑戰(zhàn)市場跟上。（本文首發(fā)鈦媒體APP，作者 | 硅谷Tech_news，編輯 | 秦聰慧）