微软在 2026 年 Build 大会一口气推出 7 款自研 MAI 模型，覆盖推理、编码、图像生成、转录和语音五个方向。旗舰推理模型 MAI-Thinking-1 拥有 350 亿参数，微软称其在盲测人工评测中成绩追平 Claude Sonnet 4.6，在编码基准上追平 Claude Opus 4.6；官方公布的 AIME 数学测试成绩为 97%，SWE Bench Pro 为 53%。
这批模型包括 MAI-Thinking-1、MAI-Code-1-Flash、MAI-Image-2.5 及 Flash 版、MAI-Transcribe-1.5、MAI-Voice-2，以及即将推出的 MAI-Voice-2-Flash。除接入 Azure Foundry 和微软自家产品线外，这些模型也将上线 OpenRouter、Fireworks、Baseten 等第三方平台。微软同时说明，上述跑分和对比结果目前主要来自官方自评，第三方独立测试尚未公布。
企业客户成为这次发布的核心目标
比起模型跑分，微软这次更强调 Frontier Tuning。按官方说法，企业可以使用自身工作流程中的真实操作记录，对 MAI 模型做专属微调，训练数据和最终模型权重都归客户所有，不回流给微软。
其中的核心机制是强化学习环境（RLE）。微软将其描述为一个面向真实任务场景的模拟训练环境，模型可在其中反复试错和优化。微软给出两组官方案例：针对 Excel 工作流微调后，MAI 模型的效能追平 GPT 5.4，效率最高提升 10 倍；按 McKinsey 企业标准微调后，盲测胜率最高，成本约低 10 倍。这些数据同样来自微软官方披露。
梅约诊所合作案展示“客户拥有模型”路径
微软还披露了与梅约诊所（Mayo Clinic）的合作模式。双方共建医疗前沿 AI 模型，结合梅约的临床专业和去标识化临床数据，但模型所有权完整归属梅约。该模型将先在梅约内部部署验证，之后再通过 Azure Foundry 向其他医疗机构开放。
这套安排显示，微软更希望扮演基础设施与平台提供者角色，而把模型所有权交给客户本身。对大型机构来说，这种结构不只关系到性能，也关系到数据控制权和部署边界。
“零蒸馏”被放到合规叙事中心
整场发布中，微软反复强调所有 MAI 模型均为从零训练，不蒸馏任何第三方模型，也不使用未授权或来源不透明的数据。微软将其表述为“干净且授权合法”的数据路径。
这层表态有两重含义。一方面，它是对蒸馏路线的明确切割；素材提到，近两年 DeepSeek 等中国实验室曾大量采用蒸馏方法，以更低成本逼近顶级模型能力。另一方面，这也是面向企业客户的合规卖点。对担心版权诉讼和监管风险的公司来说，“不蒸馏第三方模型”与“使用授权数据”可能比单纯跑分更重要。
从这次 Build 发布内容看，微软的重点并不只是模型榜单上的名次，而是以 Frontier Tuning 和梅约模式推动企业构建自有 AI。剩下的问题，是这些官方自评成绩何时能够得到外部验证。