Microsoft AI 发布实时转录模型 MAI-Transcribe-2-Streaming 与语音模型 MAI-Voice-2.1
Microsoft AI 发布实时转录模型 MAI-Transcribe-2-Streaming，支持 60 种语言，首个部分结果延迟仅 100 多毫秒，称在 Artificial Analysis 准确率排名第一，限时价格每小时音频 $0.54。
#Microsoft
#Microsoft
今日 5 条The DecoderAI 评分5959 IT HomeAI 评分5959 微软发布首个实时流式语音转写模型 MAI-Transcribe-2-Streaming，词错误率 2.50%、延迟 0.13 秒居首
微软于 10 月 1 日推出首个实时流式语音转写模型 MAI-Transcribe-2-Streaming，可在讲话进行时持续输出文字，支持 60 种语言和自动语言检测。
OpenRouter@OpenRouterAI 评分5555
Artificial Analysis@ArtificialAnlysAI 评分6262
Microsoft AI News精选AI 评分6161 Microsoft AI 发布 MAI-Transcribe-2-Streaming 及 MAI-Voice-2.1 语音模型
Microsoft AI 发布实时流式转写模型 MAI-Transcribe-2-Streaming，在 Artificial Analysis 的最终与部分转写准确率均排名第一，支持 60 种语言，接收到音频后约 100ms 内产出首个 partials，内部评测显示实时听写场景出词速度比最接近的竞品快 2x，年底前 introductory 价 $0.54 每小时音频。
推荐理由：官方公布三款语音模型的具体定价、延迟数字和 Artificial Analysis 排名，可据此评估搭建语音智能体的成本与速度。
Microsoft Research@MSFTResearchAI 评分3434
Microsoft Research精选AI 评分6161 Microsoft Research 发布生物研究领域 AI 系统 Quine
Microsoft Research 推出 Quine，一个面向生物学的多模态世界模型与交互式 harness，连接科学工具、文献和研究人员。在与 Broad Institute 合作中，Quine 用于预测可驱动胰腺癌肿瘤细胞状态转变的化合物，排名第一的候选化合物在湿实验中产生了最大的预期细胞状态转变，从缩小化合物范围到确定候选名单仅用了一个周末。
推荐理由：官方披露了系统构成和胰腺癌湿实验验证结果，读者可以据此评估AI世界模型在生物研究中的实际作用。
Mustafa Suleyman@mustafasuleymanAI 评分4545引用Artificial Analysis@ArtificialAnlysGenerating high-quality images is cheaper and faster than ever. Muse Image, MAI-Image-2.6 and GPT Images 2.5 have substantially shifted the Text to Image Pareto frontiers for both price and speed in recent weeks.
Microsoft AI News精选AI 评分6262 Microsoft 发布 MAI-Image-2.6 及 MAI-Image-2.6-Flash 图像模型
Microsoft 于 9 月 4 日发布 MAI-Image-2.6，并面向 Microsoft Foundry 开发者推出低延迟版本 MAI-Image-2.6-Flash。
推荐理由：原文来自官方发布，给出排名、速度和价格效率数据，读者可据此评估两个版本在生产场景中的取舍。
Microsoft AI NewsAI 评分5757 Microsoft MAI 发布语音识别模型 MAI-Transcribe-2
Microsoft MAI 发布转写模型 MAI-Transcribe-2，在 FLEURS 基准 60 种语言上以平均词错率 5.2% 排名第一，定价每小时音频 $0.10（年底前限时）。
Microsoft ResearchAI 评分4747 微软发布 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，均以 Apache 2.0 许可开源。
Microsoft ResearchAI 评分5050 微软 Skala 1.1 发布：训练数据增 2.5 倍，并集成进 CP2K 等主流 DFT 软件
微软研究院发布深度学习 DFT 泛函 Skala 1.1，训练数据比上一版多 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续追踪各版本计算性能的 living benchmark。
Microsoft AI NewsAI 评分5353 Microsoft 发布 MAI-Cyber-1-Flash 安全模型并推出 agentic 安全系统 Perception
Microsoft 发布首个 cyber 模型 MAI-Cyber-1-Flash，为源自 MAI-Thinking-1 的紧凑代码安全模型，可处理约 90% 的任务，让 MDASH 把 GPT-5.4 留给最难的 10% 任务，相比现有最佳组合节省 50% 成本。
Microsoft AI News精选AI 评分6666 Microsoft AI 发布推理模型 MAI-Thinking-1
Microsoft AI 发布推理模型 MAI-Thinking-1，为 35B 激活、约 1T 总参数的稀疏 MoE 模型。官方称其在 SWE-Bench Pro 上与 Claude Opus 4.6 相当，AIME 2025 达 97.0%、AIME 2026 达 94.5%，盲测中人类偏好高于 Sonnet 4.6。
推荐理由：官方公布了模型规格与基准成绩，并说明不蒸馏、自建训练栈的路线，读者可据此评估中型推理模型的部署价值。
Microsoft AI NewsAI 评分5454 Microsoft 发布 MAI-Code-1.1-Flash：代码质量更高、速度更快，价格仅为 1.0 的四分之一
Microsoft 发布 MAI-Code-1.1-Flash，代码质量更高、token 效率提升 25%，价格仅为 6 月在 Microsoft Build 发布的 1.0 的四分之一，并已在 GitHub Copilot 投入生产。
Microsoft AI NewsAI 评分5959 Microsoft 发布 MAI-Image-2.6，Arena 文生图榜位列第二
Microsoft 发布 MAI-Image-2.6，在 Arena 文生图排行榜上排名第二，领先 Meta、Google 和 xAI 的模型。该模型总体 Elo 比 MAI-Image-2.5 提升 +79，文本渲染单项提升 +91 Elo，各评测类别均有进步。目前可在 Arena 上试用，本周晚些时候上线 MAI Playground，并将很快登陆 Microsoft Foundry 等产品。
Microsoft AI News精选AI 评分6161 Microsoft 阐述按 token 效率优化前沿性能曲线的策略并盘点 MAI Flash 模型成果
Microsoft 提出行业下一个焦点是 token 效率，主张通过联合优化模型、harness 和 RL 环境为具体产品调校模型，而非所有任务都用前沿通用模型。
推荐理由：Microsoft 官方阐述 token 效率策略，用多款 MAI Flash 模型的实际成本数据说明如何按任务匹配模型规模。
Microsoft AI News精选AI 评分6161 Microsoft 发布面向 GitHub Copilot 和 Excel 的专用 MAI 模型
微软宣布 MAI 模型落地 GitHub Copilot 和 Excel，通过 hill-climbing 方法从 MAI-Code-1-Flash 出发训练出更高效的专用模型。
推荐理由：微软用自家产品数据展示小模型在 Copilot 和 Excel 的效率与成本对比，读者可据此评估专用小模型替代大模型的路径。
Microsoft AI News精选AI 评分6262 Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash 公开预览版
Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash，两款模型均进入公开预览。
推荐理由：原文给出两款新模型的定价、性能数字和产品落地情况，可据此比较其质量速度成本取舍。
Microsoft AI News精选AI 评分6161 Microsoft 发布 MAI-Voice-2 文本转语音模型
Microsoft 发布文本转语音模型 MAI-Voice-2，在保真度、语言覆盖、说话人一致性和情感范围上较前代显著提升。支持语言从英语扩展到 15 种，提供情感标签细粒度控制，可用 5-60 秒参考音频零样本创建自定义声音，且生产环境仅允许授权声音合成。
推荐理由：官方发布给出语言扩展、零样本克隆与偏好测试数据，读者可据此评估该语音模型在生产场景中的可用性。
Microsoft AI News精选AI 评分6565 Microsoft MAI-Image-2.5 发布，登 Arena 图像编辑榜第 2
Microsoft MAI 团队发布图像模型 MAI-Image-2.5 及更快更便宜的 MAI-Image-2.5-Flash，MAI-Image-2.5 在 Arena 图像编辑榜排名第 2（超过 Nano Banana 2），文生图榜排名第 3，较 MAI-Image-2 总分提升 75 分。
推荐理由：官方公布了 Arena 图像编辑第 2 的排名、与 Flash 双版本定价和 Foundry 入口，读者可据此评估生产图像工作流的选型。
Microsoft AI News精选AI 评分7979 Microsoft Build 2026 发布 MAI 系列七款新模型，含首个推理模型 MAI-Thinking-1
Microsoft MAI 在 Build 2026 主题演讲中发布七款新模型，覆盖图像、语音、转录、推理和编码。
推荐理由：作者以当事方身份逐一公布七个新模型的定位、基准数字和开放渠道，读者可以对照竞品评估各自适用场景。
Microsoft AI News精选AI 评分7474 Microsoft AI 发布七款新 MAI 模型并推出 Frontier Tuning
Microsoft AI 发布七款新 MAI 模型，将上线 Foundry、OpenRouter、Fireworks 和 Baseten，并首次允许开发者自行微调模型权重。
推荐理由：官方完整说明了模型开放方式、Frontier Tuning 效率数据和医疗合作安排，读者可以据此评估其模型路线与可调性。
Microsoft AI NewsAI 评分5656 Microsoft 发布编码模型 MAI-Code-1-Flash，基准全面领先 Claude Haiku 4.5
Microsoft 发布面向开发者的编码模型 MAI-Code-1-Flash，训练直接使用 GitHub Copilot 生产 harness，以适配真实智能体编码工作流。
Microsoft AI NewsAI 评分5555 微软发布 MAI-Image-2-Efficient 图像模型，成本降低 41%
微软发布 MAI-Image-2-Efficient 图像模型，定位量产场景，成本比旗舰低 41%，适用于产品图、营销素材、UI 原型和批量管线，支持短文本和实时交互工作流。
Microsoft AI News精选AI 评分6363 Microsoft 发布 MAI-Transcribe-1、MAI-Voice-1 和 MAI-Image-2 三款模型并上线 Foundry
Microsoft AI 宣布发布 MAI-Transcribe-1、MAI-Voice-1 和 MAI-Image-2 三款模型，现已在 Microsoft Foundry 和 MAI Playground 开放。
推荐理由：官方公布三款 MAI 模型的 Foundry 定价与基准对比，开发者可直接据此评估接入成本和可用性。
Microsoft AI News精选AI 评分6262 Microsoft MAI 发布图像生成模型 MAI-Image-2
Microsoft AI 团队发布图像生成模型 MAI-Image-2，称其使 MAI 进入 Arena.ai 榜单前三的文生图实验室行列。
推荐理由：原文给出榜单排名、可用入口和面向创意工作的三大能力重点，读者可据此判断是否试用或接入。
Microsoft AI News精选AI 评分6161 Microsoft AI 发布首个完全自研图像生成模型 MAI-Image 1，登上 LMArena 文生图前十
Microsoft AI 于 2025 年 10 月 13 日宣布 MAI-Image 1，这是其首个完全在内部开发的图像生成模型，首日进入 LMArena 文生图模型前十。
推荐理由：微软首次完全自研的图像生成模型，官方说明了训练重点、擅长场景和后续落地产品，可了解其定位与可用入口。
Microsoft AI News精选AI 评分7373 Microsoft AI 发布 MAI-Voice-1 语音模型并开始公测 MAI-1-preview
Microsoft AI（MAI）发布两款自研模型：语音生成模型 MAI-Voice-1 已用于 Copilot Daily 和 Podcasts，并上线 Copilot Labs 体验。
推荐理由：Microsoft AI 官方公布两款自研模型的训练规模、使用入口与后续路线，读者可了解其自研模型布局。