文章标题:MAI Licensed Weights:你掌控的前沿性能 – Microsoft AI
正文:

分享本文
- LinkedIn(在新标签页中打开)
- X(在新标签页中打开)
- Facebook(在新标签页中打开)
一家公司最独特的部分,将越来越多地存在于它所运行的 AI 模型之中。企业日益希望掌控这些模型:谁能访问它们、它们如何被调整、运营成本是多少,以及何时升级。
正因如此,我们推出 MAI Licensed Weights,让组织能够在自己 Azure 环境中部署和定制 Microsoft AI 模型。
你掌控的模型
MAI Licensed Weights 将 Microsoft 的前沿 AI 模型带入你自己的 Azure 环境,你可以在此针对业务进行调整,并安全地整合专有知识和专业能力。你的数据和调整成果仍归你所有,Microsoft 只有在获得你明确同意的情况下,才会将其用于训练自己的模型。
随着这些模型嵌入到你最重要的产品和业务流程中,你仍能掌控它们的部署方式、访问权限以及升级时机。这意味着你可以按自己的节奏创新,同时不损害业务所依赖的连续性。
为你的业务打造的前沿性能
对企业而言,最好的模型未必是最大或最强大的通用模型,而是在关键任务上表现最佳、且成本足以让大规模部署 AI 可行的那个模型。
通过将 MAI 模型适配到其专有知识和工作流程,客户在专业任务上实现了前沿级甚至更优的表现,而成本仅为前者的一小部分。
AT&T 使用 MAI 模型分析 5G 网络。在标准任务上,MAI 以仅 1/50 的成本超越了 GPT-6.1 Sol。1 在更复杂的任务上,它以显著更低的成本达到了前沿级性能。
其他客户也展示了类似成果:
- Woven by Toyota 使用 MAI 模型修复软件代码,在现有前沿模型需要人工介入的案例中,有 44% 产出了可直接合并的修复,成本不到十分之一。2
- Alaska Airlines 将飞机维修报告分类的准确率从 81% 提升至 91%,以极小的成本超越了领先的前沿模型。3
这些成果表明,当企业将 Microsoft 的前沿 AI 研究与自身专业能力相结合时,一切皆有可能:在关键任务上表现更佳,成本却大幅降低。随着越来越多这样的专业能力嵌入 AI 模型,掌控并演进这些模型的能力将变得愈发有价值。
开始使用
MAI Licensed Weights 即将通过我们的 Frontier Company 合作项目推出。欲了解更多信息,请联系你的 Microsoft 客户团队。
关于这些结果 结果反映的是客户针对特定任务所调整模型的专项评估。性能与成本优势因工作负载、模型配置和评估方法而异。
- AT&T:定制的 MAI Code 2 Flash 和 Code 2 在 5G 网络运营分析上进行了评估,包括与 GPT-6.1 Sol 的对比。
- Woven by Toyota:MAI Code 2 Flash 基于历史 MISRA 编码规范修复进行微调,并与生产中使用的前沿模型进行了对比。
- Alaska Airlines:MAI Code 2 Flash 在飞机维修报告分类上进行了评估,调整后准确率从 81.2% 提升至 91.1%。合格员工仍对最终决策负责。
相关故事
MAI Code 2 和 Code 2 Flash:以可扩展的价格实现日常编码
2026 年 11 月 17 日

七款全新世界级模型,具备可扩展的性价比
2026 年 11 月 17 日
