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。
微软研究院实习生开发了一套端到端机器学习流水线，结合太阳风观测、AE 与 Dst 指数预报、地质电导率和电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
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。
微软研究院亚洲新加坡分院（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向展开工作。该实验室与新加坡医疗生态伙伴合作推进多模态医疗 AI 和自进化诊断智能体，并与 EDB、IMDA 等机构在物流运输、工业 AI 等领域开展合作。
GitHub Copilot app 提供 canvas 功能，运行 /create-canvas 技能并用自然语言描述工作流、界面操作和 agent 职责三要素，即可生成看板、清单等自定义界面并保存为可共享的 extension。
推荐理由：官方教程给出从描述到生成可复用 canvas 界面的具体步骤和三个提问框架，读者可以直接照做迁移到自己的工作流。
GitHub Copilot 博客作者提出聊天（chat）很多时候是错误的 AI 交互界面，介绍 GitHub Copilot app 中的 canvas，它是在应用内运行、无浏览器外壳的全栈小应用，可与 Copilot agent 双向通信。
推荐理由：作者作为 Copilot 团队成员提出用 canvas 自定义界面替代聊天框，并结合工作流自动化等实例说明何时值得让智能体先造工具。
Microsoft Research 宣布在 Physical AI Toolchain 中新增推理卸载能力，可将机器人 AI 工作负载容器化并通过 Kubernetes 编排到机器人、边缘与云端 GPU。
微软研究院在 Nature 发表逆合成预测模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与基于 GNN 的 NeuralLoc，通过学习式集成对两者预测重排序，在盲测中化学家更偏好其单步反应预测。
GitHub 用 Copilot 智能体将 Copilot agent runtime 从 TypeScript 完整重写为 832,378 行生产 Rust，共 128 个 PR，于 8 月 21 日完成。
推荐理由：作者以第一手移植经历拆解了 AI 智能体团队完成大规模重写的具体策略、会话数据和教训，方法细节对类似工程迁移有直接参考价值。
Microsoft AI 发布 MAI 模型的 AI Code of Conduct 首版草案，公开征询意见，反馈期六周，并计划今年晚些时候发布修订版。
GitHub 日本与韩国营销负责人 Tomoko Tanaka 撰文分享如何不写代码，用 GitHub Copilot 把活动运营从策划到会后跟进全流程自动化。
推荐理由：作者以自身营销流程为例，展示如何用 runbook 加 Copilot 在 GitHub 上搭建自动化，方法可迁移到其他重复性工作。
GitHub Copilot app 新增内置 diff、终端和浏览器面板，让新手不用离开应用即可审查 agent 改动、运行命令并预览界面。
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。
GitHub 官方博客发布面向新手的教程，介绍如何在 GitHub Copilot app 中同时运行多个 agent 会话。每个会话可运行在独立的 Git worktree 上互不干扰，各自保留上下文，用户通过 sessions 视图追踪进度，教程以 tailspin-toys 仓库演示了并行添加功能、无障碍审查和运行测试的做法。
推荐理由：官方教程讲清了并行 agent 会话如何借助 Git worktree 隔离运行，读者可以照着示例直接上手尝试。
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）。
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。
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 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 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。
微软研究院发布 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前专有与开源模型在静态识别上表现明显优于交互式规划，且均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成工具仅在单帧内保留结构关系时有用，跨多步操作仍不可靠。
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 Research 发布研究模型 CARE-X，统一支持胸部 X 光报告生成、疾病分类、定位和校准诊断预测，基于 SigLIP2-so400M 与 Phi-4-mini-instruct (3.8B)，采用三阶段 SFT 加 DAPO 强化学习训练。
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 Research 发布开源智能体框架 Orchard，核心是可复用的 Kubernetes 环境服务 Orchard Env，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 内直接训练智能体。
推荐理由：原文给出框架设计、训练配方和多项基准数字，读者可以据此评估开放环境层对降低 Agent 研究成本的作用。
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。
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 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。
微软 AI 与诗歌推广人 William Sieghart、创意工作室 Gravity Road 合作推出数字诗歌体验 Ode Poetry，基于 MAI 音频模型实现实时对话与诗歌推荐。
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 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 发文阐述其在医疗领域的产品与研究方向，称旗下消费产品每天处理数千万条健康问题，对 50 万条 Copilot 对话的分析显示用户依赖 AI 做症状解读、检查结果解释和就医导航。
推荐理由：微软官方阐述其在医疗领域的价值落地，读者可以据此了解 MAI DxO、Mayo Clinic 合作与 Copilot Health 的进展全貌。
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。
微软推出转录模型 MAI-Transcribe-1.5，新增关键词偏置功能，可让用户提供领域特定关键词列表来引导预测，模型会结合上下文判断是否应用偏置而非盲目强制匹配。在 FLEURS 多语言基准上，启用关键词偏置后词错误率（WER）降低 30%，在提升专业词汇识别的同时保持通用语音的准确率。
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 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。
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 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 发布语音识别模型 MAI-Transcribe-1，定价 $0.36 每小时音频，称其在大规模云厂商中具备最优性价比。模型正在 Copilot Voice 模式和 Microsoft Teams 中分阶段部署，并已在 Microsoft Foundry 公开预览，同时可在新上线的 Microsoft AI Playground 体验。
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 推出 Copilot Health，这是 Copilot 内的独立安全空间，可整合健康记录、可穿戴设备数据与健康历史并生成个性化健康洞察。
推荐理由：官方宣布 Copilot Health 上线并给出数据整合规模、隐私隔离措施和分阶段开放方式，读者可以了解其功能边界与使用入口。