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 / Copilot
全部主题微软的 AI 布局：Copilot 全家桶、Azure AI 基础设施与 OpenAI 合作关系的持续追踪。
当前仅显示精选新闻78条精选相关主题OpenAI / ChatGPTAI 编码产品更新
最新精选
第 41–60 条 · 共 78 条Microsoft AI News精选AI 评分6161 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。
Tomer Tunguz精选AI 评分6868 Google Cloud 营收增速与 NVIDIA 趋同
Google Cloud 2026 年 Q2 营收同比增长 82% 至 248 亿美元，超过 223 亿美元的普遍预期。该分析指出其增速曲线已与 NVIDIA 趋同，云业务积压订单达 5140 亿美元，同比增长 385%，其中略超一半将在 24 个月内转化为收入。Google 本季度开始确认 TPU 系统销售收入，但 CFO 称这部分金额很小，大部分 TPU 收入将在 2027 年入账。
推荐理由：用财报数字把 Google Cloud 与 NVIDIA 的增长曲线放在一起对比，并给出 AI 基础设施投入的规模参照。
IT Home精选AI 评分8181 OpenAI 上线 GPT-5.6 系列，分 Sol、Terra、Luna 三档
OpenAI 上线 GPT-5.6 系列模型，覆盖 ChatGPT、Codex 和 API，共分 Sol、Terra、Luna 三档。旗舰 Sol 每 100 万 Tokens 输入 5 美元、输出 30 美元，并新增 Max 推理强度与 Ultra 模式，在 Terminal-Bench 2.1 标准模式得分 88.8%，Ultra 模式达 91.9%。
推荐理由：原文给出三档模型的定价与 Terminal-Bench 得分，便于比较不同推理强度下的成本与能力取舍。
Hugging Face Blog精选AI 评分6161 Microsoft Foundry Managed Compute 上线 Hugging Face 精选模型集
Microsoft 在 Build 2026 宣布 Foundry Managed Compute 及 Hugging Face 模型集，精选开源权重模型每周更新，可一键部署到 Azure 预置的 GPU 托管平台。
推荐理由：官方详解 Hugging Face 模型进入 Foundry Managed Compute 的策展流程、支持运行时和部署方式，读者可以据此评估企业侧部署开源模型的实际路径。
Tomer Tunguz精选AI 评分7878 AI 公司 12 个月向前向部署工程投入 97.5 亿美元
AI 公司在 12 个月内向前向部署工程（FDE）投入 97.5 亿美元，相当于 Accenture 年度服务成本的约五分之一。文中归纳出三种模式，Microsoft 与 Amazon 用既有编制组建团队，OpenAI 与 Anthropic 成立由外部私募支持的独立实体，Google Cloud 则投入 7.5 亿美元做合作伙伴基金。
推荐理由：文中把 FDE 投入拆成三种结构模式，读者可借融资与人员数字判断这套模式为何被各实验室采用。
IT Home精选AI 评分7676 花旗、Adobe、Atlassian 等企业限制员工使用大模型以控制 AI 成本
据 404 Media 从六家企业获取的内部资料，Atlassian、Adobe、亚马逊、花旗等公司开始限制员工使用高性能大模型，以控制按调用量计费后的 AI 开销。
推荐理由：多家企业泄露的内部资料显示按量计费后 AI 开销激增，读者可据此了解企业如何管控模型调用额度。
Claude Blog精选AI 评分6161 Claude 在 Microsoft Foundry 正式可用
Anthropic 宣布 Claude 模型在 Microsoft Foundry 正式可用，托管于 Azure，由 Anthropic 负责推理并作为数据处理方。
推荐理由：原文给出 Azure 原生托管与 Anthropic 托管两种运行方式及首批可用模型，读者可据此判断企业部署如何选择。
量子位 · 微信公众号精选AI 评分7777 苹果上调 Mac、iPad 等多款产品价格，iPhone 18 或将跟进
苹果于6月25日上调 Mac、iPad、iPad mini、HomePod、Apple TV 4K、Vision Pro、iMac、Mac mini、Mac Studio 等多条产品线价格，Mac 涨幅约15%-20%，iPad 约15%-25%。
推荐理由：文章把苹果全线涨价与 AI 数据中心抢占内存产能联系起来，呈现成本向消费电子传导的路径。
microsoft.com（经 Hacker News）精选AI 评分7878 AutoJack：单个网页即可对运行 AI 智能体的主机实现 RCE
微软安全博客披露名为 AutoJack 的攻击方式，称访问单个页面即可对运行 AI 智能体的主机实现远程代码执行（RCE）。该文出自 Microsoft Security 博客，链接指向其 2026/06/18 的文章。
推荐理由：披露单个网页即可对运行 AI 智能体的主机实现 RCE，可借此了解智能体部署环境的攻击面。
量子位 · 微信公众号精选AI 评分7878 OpenAI 财报泄露：2025 年亏损 385 亿美元，Q1 烧钱 37 亿美元
泄露的 OpenAI 财务文件显示，2025 年全年收入 130.7 亿美元、支出 340 亿美元、净亏损 385 亿美元，2026 年第一季度收入 57 亿美元、烧掉 37 亿美元。
推荐理由：泄露财报呈现 OpenAI 收入与亏损同步放大的资金结构，并与 Anthropic 的财务走向形成对照。
量子位 · 微信公众号精选AI 评分7777 OpenAI财报泄露！3个月能烧37亿美元，年亏损涨8倍
记者 Ed Zitron 获得的 OpenAI 审计报告显示，2025 年收入 130.7 亿美元、支出 340 亿美元、亏损 385 亿美元，亏损约为 2024 年的 8 倍；2026 年 Q1 收入 57 亿美元、烧掉 37 亿美元，现金消耗超过当季收入一半。
推荐理由：泄露财报给出 OpenAI 的成本结构与盈亏时间表，并与 Anthropic 同期数据形成对照。
AI前线 · 微信公众号精选AI 评分7979 OpenAI 2025 年归属净亏损 385.3 亿美元，审计文件拆出三个口径
据 Ed Zitron 披露、并由《金融时报》独立核实的审计财务文件，OpenAI 2025 年归属净亏损达 385.3 亿美元，较 2024 年的 50.9 亿美元扩大约 7.6 倍。
推荐理由：材料用三个财务口径拆解 OpenAI 2025 年亏损，读者可据此理解前沿模型公司的成本结构。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 Agentic Resource Discovery 规范与 Discover Tool
Hugging Face 发布了由 Microsoft、Google、GoDaddy、Hugging Face 等贡献者参与开发的 Agentic Resource Discovery（ARD）草案规范，以及参考实现 Discover Tool，让智能体在运行时用自然语言搜索发现 MCP 工具、Skills 和 A2A 智能体，而不必预先安装。
推荐理由：原文给出了 ARD 规范的落地形态与可调用的搜索入口，读者能据此理解智能体按需发现能力的路径。
虎嗅APP · 微信公众号精选AI 评分8181 Anthropic 的 Claude Fable 5 发布四天后被全面关停
Anthropic 于6月9日向公众发布的最强模型 Claude Fable 5，在6月12日因美国商务部以出口管制为由要求暂停所有外国公民访问而被全面关停，距发布仅四天。
推荐理由：以 Fable 5 从发布到下架的四天为样本，梳理用户、企业与政府三方对前沿模型安全与访问的张力。
IT Home精选AI 评分7676 民众反对加剧：美国一季度至少 75 个数据中心项目受阻，总价值约 1300 亿美元
据数据中心观察（Data Center Watch）统计，2026 年第一季度全美至少 75 个、总价值约 1300 亿美元的数据中心项目被叫停或延期，已与 2025 年全年持平。
推荐理由：用民调变化与地方禁令数量呈现美国数据中心扩张遭遇的社区阻力，可作为观察 AI 基建落地约束的样本。
@gokulr@gokulr精选AI 评分6666 推荐理由：原文把微软的战略落点从模型转向 harness 与私有 eval，读者可看到部署侧的多条具体判断。
Hugging Face Blog精选AI 评分6161 OpenEnv 转为委员会共同治理，成为开源智能体 RL 的互操作层
OpenEnv 宣布由 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk 组成的委员会共同协调，项目地址迁移至 huggingface/OpenEnv。
推荐理由：OpenEnv 由多家机构组成的委员会共同协调，并明确为 RL 环境的互操作层，读者可了解开源智能体训练的协作与协议设计。
@berryxia@berryxia精选AI 评分7171 微软 AI 在 Build 上发布七个全新 MAI 模型，官方称并非简单迭代，而是从零开始、干净数据血统、零蒸馏训练的一整个家族，涵盖推理、编码、图像、转录与语音并各有 Flash 版本。
引用Microsoft AI (@MicrosoftAI)@MicrosoftAISeven new models launching at Build: let’s go! Reasoning. Code. Image. Transcribe. Voice. Built from scratch on a clean data lineage, designed for efficiency, working seamlessly as a family of models Thread 🧵 #MSBuild
推荐理由：文中梳理了七个 MAI 模型的任务分工与基准数字，可据此了解微软从零训练、任务专精的模型家族路线。
@eliebakouch@eliebakouch精选AI 评分7373 
引用Mustafa Suleyman (@mustafasuleyman)@mustafasuleymanSuper excited to announce seven new world-class MAI models today. They represent what we consider a new era in AI designed to keep you in control and on the frontier. First is our text foundation model, MAI-Thinking-1, exceptionally strong on reasoning and SWE tasks. - It’s a 35B active parameter MoE with a 256K context window. Independent human raters on Surge prefer it for overall quality in blind side-by-sides versus Sonnet 4.6, and it’s achieved 97% on AIME 2025, the key measure of its general-purpose reasoning abilities. - It's at 53% on SWE Bench Pro, placing it right alongside Opus 4.6 on one of the toughest coding benchmarks. - And since we co-designed our models with our own silicon, MAI-Thinking-1 is optimized on our MAIA 200 chip. Benchmarking head-to-head against the GB200, we see 30% better performance per dollar as well as a 1.4x performance-per-watt gain when running our MAI models on the MAIA 200 end-to-end. Next is MAI-Image-2.5 and its Flash variant. Two super strong models now at #2 on the leaderboards, surpassing the score of Nano Banana 2 on image editing. Last for now is MAI-Code-1-Flash, our new inference efficient coding model, especially tuned for VS Code and GitHub Copilot CLI. - Code-1-Flash achieves 51% on SWE Bench Pro, despite having just 5B parameters, putting it closer to Haiku in size but cheaper in cost. All of this is the foundation for Microsoft Frontier Tuning. It lets you customize our models to create custom, company-specific agents that only you control. You can make our model, your model. Your data. Your agents. Your moat. Early adopters are already seeing a difference. When we tuned our models for McKinsey’s tasks, MAI delivered the highest win rate, outperforming GPT-5.5 on quality, while being 10x lower on cost. Also really excited to be collaborating with the amazing team at Mayo Clinic to jointly train a new frontier AI model for healthcare. Our announcements today mark another milestone on the road to humanist superintelligence. You can learn more and about our other new models in our latest blog: microsoft.ai/news/building-a…
推荐理由：作者逐点点评微软 MAI 技术报告，读者可了解其无合成数据与蒸馏的训练取舍及 scaling ladder 的公开细节。