Microsoft делает ставку на то, что небольшие ИИ-модели, созданные для конкретных задач, смогут обойти крупнейшие чат-боты — по крайней мере в задачах, важных для бизнеса и разработчиков. На конференции Ignite компания представила набор специализированных моделей MAI, нацеленных непосредственно на конкуренцию с Anthropic и OpenAI в трёх практических областях: программирование, кибербезопасность и генерация изображений. Вместо того чтобы гнаться за одной огромной универсальной моделью, Microsoft продвигает компактные модели, настроенные для конкретных задач и стоящие намного дешевле конкурентов высшего уровня. Что представила Microsoft - MAI Code 2: По словам Microsoft, эта модель показывает 96% производительности Claude Opus 5.5 в типичных корпоративных задачах программирования примерно за 5% стоимости, а также 98% производительности GPT-6.1 Sol примерно за 40% цены. Эти средние показатели получены по результатам четырёх практических оценок разработки ПО (исправление кода, изменения в нескольких файлах и т. д.); три теста проводились на платформе Microsoft, а для одного использовались внешние результаты. При расчёте стоимости Microsoft учла рекламную скидку в 50%. Более лёгкая Code 2 Flash предназначена для быстрых исправлений и рутинных правок; Microsoft заявляет, что её производительность сопоставима с Claude Haiku 5.5, а цена составляет примерно 20% от его стоимости. Обе версии Code 2 уже интегрированы в GitHub Copilot, благодаря чему собственные технологии Microsoft напрямую попали в один из ключевых инструментов для разработчиков. - MAI Cyber 2 Flash: В задачах по поиску уязвимостей CyberGym-E2E Microsoft сообщает об успешном выполнении 92,3% задач против 91,5% у GPT-6 Astra — при стоимости менее 2% от цены за задачу. Microsoft исключила 92 из 905 задач, обнаружив пересечение исходных материалов этих задач с данными для обучения модели. Прямого публичного сравнения с закрытой моделью OpenAI GPT-6 Cyber пока нет. Microsoft планирует начать поэтапное внедрение этой системы безопасности для подходящих клиентов MDASH в середине декабря. - MAI Image 2.7: В быстрых сравнениях изображений бок о бок модель Microsoft превзошла GPT Image и Nano Banana от Google по реалистичности, креативности и общему качеству. Независимый рейтинговый сервис Artificial Analysis оценивает MAI Image 2.7 в 1 215 Elo, а GPT Image 2.6 Sunburst — в 1 211, то есть преимущество невелико и находится в пределах перекрывающихся диапазонов неопределённости. В рейтинге преобразования текста в изображение Microsoft занимает более низкое, четвёртое место. Существенное отличие — цена: Microsoft указывает стоимость около $35 за 1 000 изображений для MAI Image 2.7 и $10 за версию Flash, тогда как GPT Image 2.6 Sunburst при максимальном качестве в этом сравнении стоит около $211 за 1 000 изображений. Nano Banana 2.1 от Google указана примерно по $34 за 1 000 изображений; версия Pro стоит дороже. Почему эта стратегия важна Специализированные модели могут быть намного дешевле и быстрее, если задача чётко определена. Модель, обученная и настроенная для программирования или безопасности, может направить вычислительные ресурсы и бюджет на данные, связанные с нужными задачами, вместо того чтобы учитывать весь объём общих знаний при каждом запросе. Такая эффективность особенно важна в случаях, когда одни и те же операции повторяются тысячи раз в день: автоматизированные сканеры уязвимостей, непрерывные процессы проверки кода или массовая генерация изображений для каталогов товаров и NFT. Подход Microsoft перекликается с решениями OpenAI (модели Mini и Nano): недорогие узкоспециализированные модели обрабатывают типовые случаи, а более крупные — исключения. Специализация также позволяет улучшить всю систему в целом: специализированные инструменты, проверки результатов и тонкая настройка для конкретной области способны повысить эффективность в реальных условиях сверх того, что показывают необработанные оценки модели. Ограничения и конкуренция Есть и компромиссы. Microsoft отмечает, что Code 2 не оптимизирована для фундаментальных научных исследований или очень длительных автономных заданий. Anthropic уже конкурирует в более доступном ценовом сегменте с моделями Haiku, поэтому Microsoft выходит на рынок, где у конкурентов есть похожие предложения. Кроме того, некоторые сравнения стоимости Microsoft основаны на рекламных скидках и сопоставлении с немного более старыми внешними моделями. Например, OpenAI объявила о выпуске GPT-6.2 в тот же день, поэтому сравнение MAI с Sol проводится с моделью предыдущего поколения. Независимые рейтинги показывают, что MAI Image 2.7 лидирует с небольшим отрывом, но не убедительно. Операционные решения и средства контроля Microsoft даёт отдельным корпоративным клиентам возможность настраивать лицензированные веса моделей и запускать их в Azure. Это снижает зависимость от поставщика, но модели не становятся открытыми. Новая Code 2 уже доступна в GitHub Copilot; MAI Cyber 2 Flash начнут внедрять для подходящих клиентов в середине декабря. Обновления MAI Image добавляют интерактивное редактирование в рабочей среде Canvas от Microsoft, прозрачный фон и более широкий доступ через Foundry, хотя на модели Microsoft по-прежнему распространяются более строгие ограничения на контент. Почему это важно для крипто- и Web3-команд Для разработчиков блокчейна и специалистов по безопасности более дешёвый специализированный ИИ может снизить затраты на создание и автоматический аудит смарт-контрактов, ускорить циклы CI/CD для dApp и сделать регулярное сканирование уязвимостей доступным в больших масштабах. Генеративные модели изображений с более низкой стоимостью за изображение также могут изменить экономику создания NFT-арта и итеративных творческих процессов. При этом ограничения для отдельных областей и правила цензуры могут влиять на использование этих моделей в децентрализованных системах или средах без разрешений. Итог Предложение Microsoft просто: супер-модель нужна не всегда. Для чётко определённых повторяющихся корпоративных задач — написания или исправления кода, поиска уязвимостей, создания изображений — небольшие и недорогие ИИ-модели, настроенные под конкретную работу, могут обеспечить большую часть производительности за малую долю стоимости. Такой подход не заменит крупные универсальные модели повсюду, но это сильная коммерческая стратегия, способная изменить то, как команды, в том числе работающие в сфере криптовалют, встраивают ИИ в производственные процессы. Читайте больше новостей, созданных с помощью ИИ: https://app.chaingpt.org/news