Microsoft が 7 つの MAI 自社 AI モデルを発表
MAI-Thinking-1・画像・音声・文字起こしを完全解説

Microsoft が MAI モデルを自社開発する理由：OpenAI 依存の 3 つのリスク

過去 7 年間、Microsoft は OpenAI に累計 130 億ドル超を投資し、Azure 上の GPT モデルは AI 戦略の中核を成しています。しかし、深い依存関係には 3 つの構造的リスクが伴います。

1. 01

   コストの制御不能：API 呼び出しのたびに OpenAI へ支払いが発生し、規模が拡大するほど利益率は圧迫されます。

2. 02

   技術的主権の欠如：モデルのイテレーション速度、データソース、重みの所有権をコントロールできません。

3. 03

   契約上の制約：当初の契約では Microsoft の大規模モデル自社訓練が明示的に制限されていました。

転換点は 2025 年末です。両社が再交渉し、新契約ではモデル規模の制限が撤廃され、Microsoft が独自に「スーパーインテリジェンス」を追求することが明確に認められました。Microsoft AI 責任者 Mustafa Suleyman は次のように述べています。

Build 2026 は、Microsoft が世界に向けてこの「自社開発の頭脳」を初めて公開した場であり、7 つの MAI モデルと開発者向けローカル AI マシンが披露されました。

その他の MAI モデル：画像・文字起こし・音声・コーディングの詳細

MAI-Image-2.5 — テキスト→画像 & 画像→画像

Microsoft 初のテキスト→画像と画像→画像の両方に対応する画像モデルです。Arena.ai 画像編集ランキング 第 2 位、テキスト→画像ランキング 第 3 位を記録しています。Control with Preservation（編集時に元の意味構造を保持）に対応し、PowerPoint、OneDrive、Azure Foundry Model Catalog に統合済みです。

MAI-Transcribe-1.5 — 音声→文字

43 言語（自動検出含む）に対応し、FLEURS 平均 WER は 4.9%（業界最低水準の一つ）、Artificial Analysis WER は 2.4%、処理速度は 276 倍リアルタイム（1 時間の音声を秒単位で文字起こし）です。1.4 版比でレイテンシは 5.7 倍改善されています。Contextual Biasing 機能で専門用語の精度を向上し、料金は $0.36 / 音声時間あたり 1 時間です。FLEURS 43 言語ベンチマークでは Scribe V2、Whisper-large-V3、GPT-4o-Transcribe、Gemini 3.1 Flash を上回ります。主な用途は Teams 会議記録、カスタマーサポート文字起こし、Copilot 音声入力、アクセシビリティツールです。

MAI-Voice-2 — 多言語 TTS

Zero-shot 音声クローン（数秒の参照音声で指定話者を合成）、感情スタイル制御（トーン、話速、感情表現）、15 言語以上の新規追加言語に対応し、MP3 24 kHz で出力します。料金は $22 / 1M 文字です。Flash 超低レイテンシ版はリアルタイム音声 Agent 向けで、近日公開予定です。Azure Foundry、VS Code、Dynamics 365、Microsoft Copilot に統合済みです。

MAI-Code-1-Flash — プログラミングアシスタント（リリース済み）

GitHub Copilot と VS Code 向けに深く最適化され、256K コンテキスト、低レイテンシ・低コストを実現しています。GitHub Copilot（CLI 含む）、VS Code、GitHub Actions に組み込み済みです。料金は入力 $0.75 / 1M tokens、出力 $4.5 / 1M tokens です。SWE-Bench は 51% で Claude Haiku 4.5 を上回り、速度・コスト面で明確な優位性があります。FrontierNews.ai の評価では、7 つの MAI の中で開発者の日常業務への影響が最も直接的なモデルであり、今日から VS Code 内で動作しています。

Microsoft は OpenAI と Anthropic に追いつけるか？7 次元比較と導入ガイド

Suleyman は Build 2026 で、世界トップ4 大 AI ラボの一つになることを目標に掲げました。現在の「3 強」は Google DeepMind、OpenAI、Anthropic と広く認識されており、Microsoft は自社がその中に入っていないことを公言しています。

短期（1〜2 年）：純粋なモデル知能テストでは OpenAI / Anthropic フラッグシップに後れを取ります。中期（3〜5 年）：Suleyman の Hill-Climbing Machine 訓練体系が成熟すれば、イテレーション速度は加速します。真の転換点は、Microsoft が競争を「どのモデルが最強か」から「どのシステムが最も使いやすいか」へシフトさせることです——Copilot 7,500 万開発者、Dev Box によるローカル主権、Azure データフライホイール。

開発者向け 6 ステップ導入ガイド

1. 01

   Azure アカウントを登録し、Foundry ワークスペースを作成します（ai.azure.com）。

2. 02

   Model Catalog で MAI モデルを検索し、Image / Transcribe / Voice / Code は直接デプロイできます。

3. 03

   MAI-Thinking-1 プライベートプレビューに申請します（microsoft.ai/models/mai-thinking-1）。

4. 04

   API Key と Endpoint を取得し、api_version が 2026-05-01 であることを確認します。

5. 05

   GitHub Copilot ユーザーは設定不要——MAI-Code-1-Flash は組み込み済みです。

6. 06

   同一ワークスペースで GPT-5.6 と MAI を混在利用し、タスクごとにコストと能力をルーティングします。

import openai

client = openai.AzureOpenAI(
    azure_endpoint="https://<your-resource>.openai.azure.com/",
    api_key="<your-api-key>",
    api_version="2026-05-01"
)

response = client.chat.completions.create(
    model="mai-code-1-flash",
    messages=[
        {"role": "system", "content": "You are an expert software engineer."},
        {"role": "user", "content": "Refactor this Python function to use async/await: ..."}
    ],
    max_tokens=2048
)
print(response.choices[0].message.content)

引用可能な核心データ

• MAI-Thinking-1 活性化パラメータ：35B / 総パラメータ約 1T、推論コストは GPT-5.5 比で最大 10 倍低いとされています。
• MAI-Transcribe-1.5 速度：276 倍リアルタイム、$0.36 / 音声時間あたり 1 時間。
• Surface Dev Box：128GB 統合メモリ、1 PFLOPS、ローカル 120B+ モデルの対話速度。

ローカル Dev Box またはクラウドで大規模モデルを実行し、iOS CI/CD と AI Agent パイプラインを構築する場合、Windows + WSL ハイブリッドスタックは Xcode ネイティブビルド、コード署名、Apple Silicon ツールチェーンにおいて依然として大きな摩擦があります。Surface Dev Box はローカル推論に優れていますが、macOS 専用ビルド環境の代替にはなりません。安定した xcodebuild、TestFlight リリース、Agent 長時間セッションが必要な本番環境では、NodeMini の Mac Mini クラウドレンタルが通常より優れた選択です——専有 Apple Silicon ノード、SSH 即接続、高額ハードウェア購入不要。