Крупнейший партнёр OpenAI становится конкурентом компании. Microsoft выпустила собственные ИИ-модели под брендом MAI (от Microsoft AI): Transcribe-1 (транскрипция речи),Voice-1 (генерация голоса) и Image-2 (создание изображений).
Начнём с транскрипции, потому что здесь цифры действительно впечатляют. MAI-Transcribe-1 показала средний WER (Word Error Rate — доля ошибочно распознанных слов) в 3,8% на стандартном бенчмарке FLEURS по 25 языкам, включая русский. Для сравнения: Whisper-large-v3 от OpenAI даёт 7,6%, Gemini 3.1 Flash от Google — 4,9%. Модель принимает файлы MP3, WAV и FLAC до 200 МБ и работает в 2,5 раза быстрее предыдущего облачного решения Microsoft Azure Fast. Цена — от $0,36 за час аудио. Интересная деталь: эту нейросеть создала команда из десяти человек, используя вдвое меньше GPU, чем конкуренты. Это либо революция в эффективности, либо очень удачный маркетинг. Скорее всего, немного того и другого.
MAI-Voice-1 — генератор голоса, способный синтезировать минуту реалистичной речи за одну секунду. Модель сохраняет тембр и интонации даже в длинных текстах, поддерживает клонирование голоса по нескольким секундам аудио (с обязательным письменным согласием владельца голоса). Пока поддерживается только английский язык, расширение на 10+ языков обещано в ближайшее время. Стоимость — $22 за миллион символов.
MAI-Image-2 — обновлённая версия модели, вышедшей в октябре 2025 года. Она занимает третье место в рейтинге Arena.ai (после Google Gemini и GPT-Image от OpenAI), генерирует изображения минимум в два раза быстрее предшественника и, по заявлению Microsoft, особо хороша с фотореализмом, точными оттенками кожи и текстом внутри изображений. Последнее традиционно является болью всех генеративных моделей. Первый корпоративный клиент — рекламный гигант WPP. Цены: $5 за миллион токенов на входе (текстовый запрос) и $33 за миллион токенов на выходе (само изображение).
Все три модели доступны через Microsoft Foundry и MAI Playground. Прямой доступ из Беларуси ограничен санкционной политикой Microsoft. На практике это означает, что воспользоваться моделями напрямую без VPN или посредника не получится. Но мы знаем, что делать! Те же MAI-модели постепенно встраиваются в Copilot, Bing и PowerPoint.
Собственные модели Microsoft, такие как MAI, решают две ключевые задачи: снижают затраты на работу Copilot, Teams и Bing (меньше платежей OpenAI за запросы) и создают новый доход через API-доступ для разработчиков. До октября 2025 года договор с OpenAI запрещал корпорации самостоятельную разработку передовых моделей уровня GPT-4 и выше. После обновления соглашения это ограничение снято, партнёрство продлено до 2032 года. Но Microsoft теперь развивает и свою лабораторию ИИ под руководством известного технобизнесмена и пионера ИИ Мустафы Сулеймана (соучредитель DeepMind и основатель Inflection AI).
