NewToken 新词元关注新智能
读懂

微软编码四成价按五折促销价展示

微软在 Ignite 发布专项模型,称编码只要 GPT 旗舰四成价。发布页脚注把这项成本按五折促销价展示。独立榜上,图像编辑名义第一,决策模型 68 分排第 11。

专题Artificial Analysis:持续追踪主线模型竞争

读懂|微软编码四成价按五折促销价展示
本文提纲4 节
  1. 四成价写在自己的对照里,脚注用了促销价
  2. 安全模型按标价测算,12 月中旬进自家产品
  3. 图像编辑名义第一,和亚军的区间重叠
  4. 决策模型 68 分,25 个里排第 11

微软把编码模型对旗舰的成本对照,按五折促销价写进了 Ignite 发布页。11 月 17 日,它一次放出按编码、安全、图像、语音和决策拆开的专项模型,把企业竞争写成单位任务成本。

编码「四成价」和安全「不到 2%」目前仍是它自己的基准和计价。独立评测能核对的,是图像编辑的名义第一,以及决策模型 68 分、在 25 个里排第 11。

我的判断是:专项模型可以改变计价格局,但现在还不能把这些对照当成已被独立验证的成本优势。

四成价写在自己的对照里,脚注用了促销价

据 Microsoft AI 的 Ignite 发布页,这次列出的型号包括 MAI Cyber 2 Flash、MAI Code 2、MAI Code 2 Flash、MAI Image 2.7、MAI Realtime 1、基于 MAI Transcribe 2 的 Dragon Copilot Transcribe,以及 Decision 1.1。

Axios 写成六个专项模型,比官方清单少一项,本文以官方清单为准。

编码模型专页 写得更具体:在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 四项平均后,MAI Code 2 达到 GPT-6.1 Sol 质量的 98%、约 40% 成本,以及 Claude Opus 5.5 质量的 96%、约 5% 成本。同一页还称,在前端盲测里,评审有 64% 的次数更偏好它,标注共 258 人。这些都是微软自己的比较。

关键在脚注。专页脚注写明:前三项在微软内部平台 MSBench 上,用 GitHub Copilot CLI、不加子智能体、按最高推理强度来跑。FrontierCode 1.1 的成绩和成本来自 Artificial Analysis,而且「MAI-Code-2 cost is shown at its 50% promotional price」。

也就是说,写进标题数字里的成本,至少在这一项上按五折促销价展示。Flash 专页的成本对照,脚注同样写了 50% 促销价。

Axios 也写到,部分价格优势来自促销折扣,比较用的是选定基准。微软 AI 负责人 Mustafa Suleyman 对 Axios 说,按领域做模型,是把更多词元和经验塞进同样规模的参数里;他同时承认,为日常编码优化的模型,做不了更难的科学研究和长程智能体工作。编码专页自己也写了这句限制。

CNA 转载的路透报道 确认,发布会在旧金山 Ignite 举行,Suleyman 对路透把这组模型说成一套同时优化性能和价格的系统,而不是一次性的单点发布。路透原文我们打开为 401,事实以这篇转载和官方页为准。

三项内部基准的计价有没有同样使用促销价,专页没有按项拆开。把四成价理解成客户账单上的稳定折扣,依据不足,这是分析推断。

安全模型按标价测算,12 月中旬进自家产品

网络安全模型专页 称,在 CyberGym-E2E 上,MAI Cyber 2 Flash 任务成功率 92.3%,对照 GPT-6 Astra 的 91.5%,每任务成本不到 2%。脚注把口径写清楚了:这是按标价测算的离线评估成本,不是客户账单;MAI Cyber 2 Flash 标价为每百万 token 输入 0.10 美元、缓存输入 0.01 美元、输出 0.50 美元,Azure OpenAI 全球区的 GPT-6 Astra 为 10 美元、1 美元、50 美元。比较时还排除了 905 题里与训练数据同源的 92 题,只报告剩下 813 题,并且微软自己的模型用了一半推理预算。

CNA 转载的路透报道写,这款安全模型计划先提供给有限客户。官方页更具体:它将只进入微软安全产品,包括代号 MDASH,计划从 12 月中旬起,在合格客户的 MAI 配置里自动替换现有模型。今天不能把它写成已经开放调用的通用接口。

12 月中旬会覆盖哪些合格客户、替换之后能不能单独调用,官方页没有写。

图像编辑名义第一,和亚军的区间重叠

能独立打开核对的,是图像和决策。我们打开了 Artificial Analysis 的图像编辑榜。

在 AA-Image-Editing v2.1 上,MAI-Image-2.7 综合 Elo 为 1215±14,样本 5478,标价每千张 34.82 美元,排在第 1。GPT Image 2.6 Sunburst(max)为 1211±13,样本 6554,每千张 210.72 美元,排在第 2。微软说只要约五分之一的价格,和这份价目大体相符。

但榜单同时给出了 95% 区间和名次范围:前者是 1201 到 1229、名次范围 1 到 3;后者是 1198 到 1224、名次范围 1 到 4。两个区间重叠。把它写成已经被拉开的第一,超过了这份榜单支持的精度。Flash 在同一榜上排第 7,Elo 1179±13,每千张 10.24 美元。

决策模型 68 分,25 个里排第 11

Ignite 发布页把 Decision 1.1 写成「市场上领先的决策模型」,并称在 Artificial Analysis 决策指数上领先 Jev、Google 和 OpenAI。

我们打开了 Microsoft-Decision-1.1 的指数页:综合分 68,在 25 个模型里排第 11,高于中位数 66。每项任务 123 毫秒,快于中位数 206 毫秒;每百万任务成本 140 美元,略高于中位数 137 美元。

本站昨天已经写过,同一套决策指数上,第一名是 Liquid d1.2-ultra 的 75 分。微软这条条目给的是 25 个里的第 11 名、68 分。领先 Jev、Google 和 OpenAI,并不等于领先整个指数。把「市场上领先」当成已证实的第一,和这份独立榜单不一致。

有人会说,图像编辑毕竟上了独立榜第一,编码模型也已经进了 GitHub Copilot,不能把这次发布说成空话。这点我接受。

编码专页写明,MAI Code 2 和 Code 2 Flash 已在 GitHub Copilot 可用,Flash 还在 Microsoft Foundry 做有限预览。Axios 同样写到 Code 2 将进入 Copilot。Suleyman 被问到会有多少 Copilot 流量转给自有模型时,没有给出目标。能用、能核对的部分,应该分开写,不必为了批评就把它们抹掉。

但本文的论点也不靠把发布说成空话。能独立核对的,就停在核对结果上:图像编辑是名义第一,决策模型是第 11 名。编码四成价按促销价展示,安全不到 2% 是自测和标价测算,这两项都不能外推成已经被证实的单位成本优势。

今天读者能带走的判断很硬:专项模型的定价叙事已经展开,可真正站得住的,不是四成价这句宣传,而是脚注里的五折、图像榜上重叠的第一,以及决策指数上的第 11 名。

来源

引用与数据Markdown 镜像