拒绝“蒸馏依赖”，微软发布自研 MAI-Thinking-1：对标 Claude Opus 4.6，宣称完全从零训练

“我们现在已经基本追平了几个月前的最先进水平。”

在 Build 大会前夕，微软 AI 执行副总裁兼 CEO Mustafa Suleyman 在采访中表示。

在刚刚举行的 Build 大会上，微软正式发布了一系列自研 AI 模型，标志着其在基础模型研发上的一次重要跃迁。值得注意的是，微软直到去年才推出首批自研模型，在此之前，其核心 AI 能力长期依赖 OpenAI。

甚至有业内观察人士将此次大会称为微软的“AI 独立日”。

与此同时，Suleyman 也在大会上系统阐述了微软对 AI 的整体思考。他强调，微软的 AI 战略始终以“增强人类能力”为核心，而非替代人类，并提出公司正在构建一种“人本主义超级智能（humanist superintelligence）”。

整体来看，这次 Build 大会释放出一个清晰信号：微软正在从“AI 应用整合者”，转型为“全栈 AI 基础设施与基础模型提供者”。

完全从零训练：微软推出首个高级推理模型 MAI-Thinking-1

本次微软 MAI 模型家族的核心，是其首个高级推理模型 MAI-Thinking-1。

据官方介绍，该模型属于“中等规模模型”，具备 350 亿活跃参数，128K 上下文窗口，总参数规模约 1 万亿，在性能与效率之间取得平衡，并特别强调低 token 成本。

微软 GitHub 首席运营官兼开发者市场负责人 Kyle Daigle 在媒体沟通会上表示：

“MAI-Thinking-1 的设计目标，是处理复杂的多步骤指令、长上下文推理以及代码生成任务。”

在过去一年中，高级推理模型赛道主要由 OpenAI o 系列、Google Gemini 推理模型，以及 Anthropic Claude 的扩展思考能力主导。同时，开源阵营的 DeepSeek R1 也在 2025 年初短暂冲击了这一格局。

MAI-Thinking-1 是微软在该赛道的最新入局者。

在多项基准测试中，该模型展现出接近头部模型的能力：

• 在 SWE-Bench Pro 编程基准测试中，对标 Claude Opus 4.6
• 在 AIME 2025 数学测试中达到 97.0%
• 在 AIME 2026 中达到 94.5%
• 在微软内部盲测对比中，用户偏好甚至超过 Claude Sonnet 4.6

目前微软尚未公开完整训练方法，例如是否采用“可验证奖励强化学习”、过程奖励建模等技术路径。

但官方明确否认了一点关键“混合来源”：

模型训练数据中，不包含任何其他 AI 系统生成的概率分布或输出序列。

微软强调，MAI-Thinking-1 完全从零开始训练，使用企业级、合规授权且“干净”的数据集，并在预训练阶段剔除了 AI 生成内容，也未使用任何第三方模型的蒸馏数据。

换句话说，该模型刻意避免“从其他模型学习”，而是尝试让系统在原始数据上直接学习能力。

这一点，也被微软视为其面向企业市场的重要差异化优势。

对于医疗、金融、国防等对数据合规要求极高的行业而言，“训练来源可追溯”甚至可能比性能指标更关键。

MAI 模型家族：迈向多模态生态系统

除 MAI-Thinking-1 外，微软还同步发布了六款 MAI 系列模型，覆盖图像、语音与代码等多个方向。

其中包括：

MAI-Code-1-Flash

面向智能体编程场景的高效模型，深度集成 GitHub Copilot 与 Visual Studio Code，参数规模约 50 亿，在性能对标 Claude Haiku 的同时显著降低成本。

MAI-Image-2.5

支持高质量文生图与图像编辑能力，其 Arena 评分已超过 Nano Banana Pro，并提供 Flash 高效版本。

MAI-Transcribe-1.5

当前最强语音转录模型之一，达到 SOTA 水平：

• 转录速度提升至同类模型的 5 倍
• 支持 43 种语言及专业术语识别

MAI-Voice-2

提供自然语音生成能力，覆盖 15 种语言，并支持少样本声音克隆，同时内置安全与滥用防护机制。其轻量版本 MAI-Voice-2-Flash 也将在后续发布。

未来，这些模型将统一接入 Microsoft Foundry 以及专用环境 MAI Playground，并在 Azure AI Foundry 上开放使用。

微软同时表示，开发者将首次可以在部分模型上进行权重级别的自定义微调。

“全栈向上爬升”：统一训练体系的底层逻辑

值得注意的是，微软强调整个 MAI 模型家族共享同一训练哲学：

所有模型均基于“从零开始的向上爬升（hill-climbing）策略”，不依赖蒸馏方法，同时共享统一的数据规范、训练基础设施与评估体系。

这意味着微软正在尝试构建一个从底层模型到应用层完全自洽的 AI 技术栈。

Scout：基于 OpenClaw 的企业级智能体

2026 年初，“OpenClaw”在 AI 圈迅速走红，而微软此次也推出了基于该框架构建的智能体系统——Scout。

Scout 可以在 Microsoft 365 生态中持续运行，跨应用完成任务，包括：

• Teams
• Outlook
• OneDrive
• SharePoint

它能够访问聊天记录、邮件、日历与联系人数据，并通过 Teams 或浏览器执行操作，同时支持通过模型上下文协议（MCP）连接外部应用。

微软企业副总裁 Omar Shahine 在博客中表示：

“该智能体在后台持续运行，理解你在各个系统中的工作方式，并在无需提示的情况下主动采取行动。”

Scout 可用于自动处理会议安排、任务协调，甚至识别潜在风险，例如“决策停滞”，从而在问题扩大前进行干预。

不过，由于安全性争议，OpenClaw 框架此前曾受到审查。微软强调，Scout 将具备“企业级安全与治理能力”，并支持 Entra 身份体系。

目前，Scout 以实验版本形式向 Frontier 客户开放，需要通过 Intune 策略配置及 opt-in 授权使用。

定价尚未公布，尚不清楚是否会包含在 Microsoft 365 Copilot 中，或作为独立产品收费。

写在最后

尽管微软持续加码 AI，但其仍在说服企业客户：Microsoft 365 Copilot 的额外订阅（每用户每月 30 美元）是否真正具备价值。

目前约 2000 万用户为 Copilot 付费，但渗透率仍有提升空间。

从 MAI-Thinking-1 到 Scout，微软正在构建一条更完整的 AI 产品链：从基础模型，到多模态能力，再到企业级智能体系统。

这一次，它不再只是“接入别人的 AI”，而是试图成为 AI 本身的提供者。