Microsoft เปิดตัวโมเดล AI ภายใน 7 รุ่น เน้นลดต้นทุน-ท้าชน OpenAI

· By: NatapolK

Image description

ประเด็นสำคัญ

หน่วยงาน Microsoft AI (MAI) ประกาศเปิดตัวโมเดลเฉพาะทาง 7 รุ่น ในงานคอนเฟอเรนซ์ Ignite โดยครอบคลุมทั้งด้านการเขียนโค้ด, ความปลอดภัยไอที, การแก้ไขภาพ, เสียง และการตัดสินใจเวิร์กโฟลว์ มุ่งเป้าไปที่การลดต้นทุนการดำเนินงานสำหรับ AI agent ที่ต้องทำงานตลอด 24 ชั่วโมง

โมเดลเหล่านี้ถูกวางตำแหน่งเป็นทางเลือกที่ราคาถูกกว่าระบบของ OpenAI และ Anthropic โดยจากการทดสอบภายในพบว่า MAI Code 2 มีประสิทธิภาพใกล้เคียงกับ GPT-6.1 Sol และ Claude Opus 5.5 แต่ใช้ต้นทุนเพียงเสี้ยวเดียว ขณะที่ MAI Cyber 2 Flash ทำคะแนนนำหน้า GPT-6 Astra ในการทดสอบด้านช่องโหว่ความปลอดภัย

นอกจากโมเดลภาพ MAI Image 2.7, โมเดลเสียง MAI Realtime 1 และโมเดลการตัดสินใจ Decision 1.1 ที่พัฒนาบนพื้นฐาน Google Gemma แล้ว Microsoft ยังอนุญาตให้ลูกค้าองค์กรสามารถปรับแต่ง (fine-tune) น้ำหนัก (weights) ของโมเดลด้วยข้อมูลของตนเองบนระบบ Azure cloud ได้อีกด้วย

Microsoft AI (MAI) กำลังมุ่งเป้าไปที่ AI agent ที่ทำงานตลอดเวลาด้วยโมเดลใหม่สำหรับโค้ด, ความปลอดภัย, รูปภาพ, เสียงพูด และการกำหนดเส้นทาง โดยตัวชี้วัดหลักคือกลุ่มผลิตภัณฑ์ของพาร์ทเนอร์ตนเองอย่าง OpenAI

ในงาน Ignite ครั้งนี้ MAI ได้เปิดตัวโมเดลใหม่พร้อมกันถึง 7 รุ่น ซึ่งแตกต่างจากปีก่อนที่มักจะทยอยปล่อยออกมา เช่น ที่งาน Build ในเดือนมิถุนายน โดยเน้นความคุ้มค่าเป็นหัวใจหลัก เนื่องจากลูกค้ามีการใช้จ่ายด้านโทเคนเพิ่มขึ้นอย่างรวดเร็วจากการรัน AI agent ตลอดเวลา ทั้งนี้โมเดลสำหรับการเขียนโค้ดจะเน้นไปที่งานทั่วไปในองค์กรเป็นหลัก

MAI Code 2 ประสิทธิภาพใกล้เคียงรุ่นท็อปในราคาโปรโมชัน

อ้างอิงจาก Microsoft โมเดล MAI Code 2 มีประสิทธิภาพเฉลี่ยสูงถึง 98% ของ GPT-6.1 Sol จากการทดสอบ 4 benchmark แต่มีต้นทุนเพียง 40% และเมื่อเทียบกับ Claude Opus 5.5 สามารถทำประสิทธิภาพได้ถึง 96% โดยใช้ต้นทุนเพียง 5% เท่านั้น การทดสอบเหล่านี้รันบนแพลตฟอร์มภายใน MSBench ของ Microsoft ผ่าน GitHub Copilot CLI

ในการเปรียบเทียบแบบ blind comparison สำหรับงานด้าน frontend เช่น UI หรือกราฟิก SVG ผู้ประเมินที่เป็นมนุษย์ชื่นชอบผลลัพธ์จาก MAI Code 2 มากกว่า GPT-6 Sol ถึง 64% ตามข้อมูลจาก Microsoft

Bar charts comparing MAI Code 2, GPT-6.1 Sol, and Claude Opus 5.5 on success rate and cost per task. Averages are 63.2, 64.1, and 65.3 percent at $0.31, $0.76, and $6.31 per task, broken out for DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas, and FrontierCode v1.1.

นอกจากนี้ยังมี รุ่นต่อยอดอย่าง MAI Code 2 Flash ที่ออกแบบมาเพื่อการอธิบายและซ่อมแซมโค้ด โดยมีประสิทธิภาพเทียบเท่า GPT-6 Luna และ Claude Haiku 5.5 ในต้นทุนที่ถูกกว่ามาก

สำหรับโมเดล MAI Work Flash ที่รันใน Microsoft 365 และ Fabric IQ พบว่ามีประสิทธิภาพเทียบเท่า GPT-6 Luna ในงาน Excel และ PowerPoint ส่วนใน Word ทำงานได้ใกล้เคียงกับ GPT-6.1 Sol โดยใช้โทเคนขาเข้าน้อยกว่า 42%

ในด้านราคาบน GitHub Copilot นั้น MAI Code 2 คิดค่าบริการ $0.50 ต่อหนึ่งล้าน input tokens และ $2.50 ต่อหนึ่งล้าน output tokens สำหรับช่วงโปรโมชันจนถึงปี 2027 ส่วนรุ่น Flash จะมีราคาเริ่มต้นเพียง $0.05 เท่านั้น

โมเดลความปลอดภัยพร้อมการจัดการ Benchmark

MAI Cyber 2 Flash สามารถแก้โจทย์ใน CyberGym-E2E ได้ถึง 92.3% สูงกว่า GPT-6 Astra ที่ทำได้ 91.5% แม้ฝ่ายหลังจะใช้ทรัพยากรการประมวลผลมากกว่าสองเท่า โดยต้นทุนของ MAI ต่องานนั้นคิดเป็นไม่ถึง 2% ของคู่แข่ง

Three bar charts comparing MAI Cyber 2 Flash and GPT-6 Astra on CyberGym-E2E: success rates of 92.3 and 91.5 percent, output tokens per task of 38,700 and 55,200, and costs per task of $0.45 and $34.38.

ในการประเมิน Microsoft พบว่ามีโจทย์บางส่วนที่ทับซ้อนกับข้อมูลที่ใช้เทรนโมเดล จึงได้นำโจทย์เหล่านั้นออกเพื่อความโปร่งใสและให้คะแนนเฉพาะส่วนที่เหลือเท่านั้น ปัจจุบันโมเดล MAI Cyber จัดการการสแกนเกือบ 40% บน MDASH แพลตฟอร์มความปลอดภัยของ Microsoft

หน้าต่างบริบทของรุ่นนี้ครอบคลุมถึงหนึ่งล้านโทเคน ใหญ่กว่ารุ่นเดิมสี่เท่า และมีต้นทุนถูกลงอย่างมาก โดย Microsoft ตั้งราคาสำหรับ MAI Cyber 2 Flash ไว้ที่ $0.10 ต่อหนึ่งล้าน input tokens เทียบกับ $10 สำหรับ GPT-6 Astra

โมเดลการตัดสินใจที่พัฒนาบนพื้นฐาน Google Gemma

Microsoft-Decision-1.1 ทำหน้าที่กำหนดเส้นทาง (routing) และควบคุมเวิร์กโฟลว์ โดยสามารถเลือกดำเนินการและส่งคืนคะแนนความเชื่อมั่น หากมีความไม่แน่นอนสูง ระบบจะยกระดับปัญหาให้ผู้ใช้ตัดสินใจแทน

โมเดลนี้พัฒนาขึ้นบนพื้นฐานของ Gemma 4 26B A4B ของ Google ผ่านการเทรนด้วยเทคนิค supervised fine-tuning และ reinforcement learning บนชุดข้อมูลสังเคราะห์และข้อมูลที่ได้รับอนุญาต

จากการจัดอันดับใน Decision Index v2.1 โมเดลนี้ทำได้ 68 คะแนน นำหน้าทั้ง Gemini Decision 1 และ GPT-6 Luna โดยมีความเร็วสูงกว่า 2.2 เท่า และราคาถูกกว่า 4.4 เท่า สำหรับผู้ใช้ในภูมิภาคทั่วไป ค่าบริการ output tokens จะไม่เสียค่าใช้จ่าย

Scatter plot of Artificial Analysis Decision Index score versus time per task in milliseconds on a logarithmic scale. Microsoft-Decision-1.1 scores 68 points on the left in a highlighted region, with an arrow from Microsoft-Decision-1 labeled "+6 points, 2.2x faster." Jev 1.14, Gemini Decision 1, GPT-6 Luna (Decisions), and other decision models also shown.

นอกจากนี้ยังมี Microsoft-Retriever-1 ที่ช่วยรวบรวมข้อมูลจากเอกสารองค์กรสำหรับ agent โดยทำหน้าที่วางแผนคิวรีและประเมินผลลัพธ์จนกว่าจะได้ข้อมูลที่เพียงพอ ซึ่งรวดเร็วและมีประสิทธิภาพมากกว่าวิธีเดิม

การแก้ไขรูปภาพที่นำหน้า OpenAI

MAI Image 2.7 ครองอันดับหนึ่งในตารางการแก้ไขรูปภาพของ Artificial Analysis โดยนำหน้า GPT Image 2.6 Sunburst อยู่เล็กน้อยในราคาที่ถูกกว่าถึง 5 เท่า โมเดลนี้มีความสามารถในการเปลี่ยนสี วัสดุ หรือตำแหน่งวัตถุได้โดยไม่กระทบส่วนอื่นของภาพ

Scatter plot of image editing quality in Elo versus API price per 1,000 images on a logarithmic scale. MAI Image 2.7 and 2.7 Flash sit at the top left on the Pareto frontier; GPT Image 2.6 Sunburst and Nano Banana Pro appear to their right.

รุ่น Flash ที่มีราคาถูกลงหนึ่งในสามได้กลายเป็นขุมพลังให้กับ Canvas โปรแกรมแก้ไขรูปภาพใหม่ใน MAI Labs ปัจจุบันมีพาร์ทเนอร์อย่าง Adobe, Figma และ Canva ที่เริ่มทำงานร่วมกับ MAI Image แล้ว

Text reading "MAI Image 2.7" in front of several variants of the same light brown poodle, shown isolated and placed in a terrace scene.

โมเดลเสียงที่รองรับการพูดแทรกและ API ของ OpenAI

MAI Realtime 1 เป็นโมเดล speech-to-speech รุ่นแรกของบริษัทที่รองรับการพูดแทรกและจดจำคำขอได้ดีแม้มีเสียงรบกวน โดยโมเดลนี้สามารถใช้งานร่วมกับ OpenAI Realtime API ได้ทันที ทำให้แอปเดิมสามารถสลับมาใช้ได้ง่าย

Scatter plot of Big Bench Audio score versus cost per hour of input audio. MAI Realtime 1 scores 98.9 percent at $1.35 in the top left; GPT-Realtime-2.1 High, Gemini 3.8 Live, and Eleven Realtime sit further right or lower.

สำหรับการถอดความทางการแพทย์ใน Dragon Copilot นั้น MAI Transcribe 2 ช่วยลดอัตราความผิดพลาดลงได้ถึงครึ่งหนึ่งในเวิร์กโฟลว์หลายภาษา โดย Microsoft ใช้ชิป Maia 200 รุ่นล่าสุดเพื่อเพิ่มประสิทธิภาพการประมวลผลต่อวัตต์ให้สูงขึ้น 1.7 เท่า

โมเดลแบบ Licensed Weights สำหรับองค์กรที่เน้นความเป็นส่วนตัว

ผ่านบริการ MAI Licensed Weights องค์กรสามารถนำโมเดล MAI ไปปรับแต่งและรันในสภาพแวดล้อม Azure ของตนเองได้ โดยข้อมูลจะยังคงอยู่กับลูกค้าอย่างปลอดภัย ตัวอย่างเช่น AT&T ที่สามารถพัฒนาโมเดลวิเคราะห์เครือข่าย 5G ให้มีประสิทธิภาพเหนือกว่า GPT-6.1 Sol ในต้นทุนเพียง 1 ใน 50

ปัจจุบันโมเดลตระกูล Code และ Decision เปิดให้ใช้งานทั่วไปแล้ว ขณะที่รุ่น Image และ Realtime อยู่ในช่วงพรีวิว ส่วนโมเดล Cyber จะถูกสงวนไว้สำหรับผลิตภัณฑ์ความปลอดภัยของ Microsoft โดยเฉพาะ

ความเคลื่อนไหวนี้เกิดขึ้นหลังจาก Microsoft และ OpenAI ปรับโครงสร้างความเป็นพาร์ทเนอร์ใหม่ เมื่อเดือนเมษายนที่ผ่านมา ซึ่งช่วยให้ Microsoft มีอิสระในการพัฒนาและนำเสนอโมเดลของตนเองมากขึ้นควบคู่ไปกับผลิตภัณฑ์จาก OpenAI

Source: The Decoder
ดูแลงานแปลและเรียบเรียงโดย NatapolK

ความคิดเห็น (0)

เข้าสู่ระบบเพื่อร่วมแสดงความเห็น

สมัครสมาชิก

มาเป็นคนแรกที่แสดงความเห็นกันเลยโบร