Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизAPI / Продукт · В работуHacker News AI→ оригинал

Microsoft выпустила семь моделей MAI: кодинговая даёт 98% качества GPT-6.1 Sol за 40% цены

Microsoft AI (лаборатория MAI) выпустила семь моделей, чтобы агенты работали круглосуточно без огромных счетов за токены. Кодинговая модель, по данным компании, показывает 98% качества GPT-6.1 Sol на задачах разработки и стоит около 40% его цены; против Opus 5.5 — 96% качества за 5% цены. Проверить это стоит на своих задачах: рутину агента можно отдать дешёвой модели, а флагман звать только на сложные шаги.

AI-обработка оригинала Hacker News AI; редакция Hamidun News
Microsoft выпустила семь моделей MAI: кодинговая даёт 98% качества GPT-6.1 Sol за 40% цены
Источник: Hacker News AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHacker News AI ↗
Главный редактор
Ключевой факт #1Кибермодель обошла GPT-6 Astra на CyberGym-E2E, цена задачи меньше 2%
Правка картинок№1 в Artificial Analysis, в 5 раз дешевле GPT Image 2.6
Ключевой факт #3Новый чип Microsoft даёт в 1,7 раза больше токенов на ватт

Агент, который работает не пять минут, а круглосуточно, быстро превращает счёт за токены в главную строку расходов. Именно с этой проблемы Microsoft AI, внутренняя лаборатория компании под названием MAI, начала анонс: она выпустила сразу семь моделей и обещает качество на уровне лидеров за малую долю цены. Самая заметная цифра касается кода. Кодинговая модель, по заявлению Microsoft, набирает 98% качества GPT-6.1 Sol (то есть решает почти столько же инженерных задач, сколько он) и стоит примерно 40% его цены. Все числа в статье — собственные данные Microsoft, независимой проверки пока нет.

Код, кибербезопасность и модели среднего класса

Если сравнивать кодинговую модель с Opus 5.5 от Anthropic, она достигает 96% его результата, но обходится всего в 5% от цены. Для команды, где агент чинит баги и пишет тесты круглые сутки, разница между 100% и 96% качества почти не чувствуется, а разница в 20 раз по цене чувствуется сильно.

Отдельная модель для кибербезопасности проверялась на бенчмарке CyberGym-E2E. Там агент проходит задачу целиком, от поиска уязвимости до результата. По данным Microsoft, она превосходит GPT-6 Astra по качеству, а одна задача обходится меньше чем в 2% от стоимости у конкурента. Если автоматизировать поиск уязвимостей или разбор инцидентов, такая цена превращает дорогой эксперимент в обычную статью расходов.

Универсальная модель позиционируется скромнее. Она показывает сопоставимое с GPT-6 Luna качество за 65% его цены и сопоставимое с Haiku 5.5 качество при 20% цены. Это кандидат на роль рабочей лошадки для массовых запросов, где флагман избыточен.

Ещё одна модель в семействе — для принятия решений. Microsoft называет её в 50 раз быстрее и в 79 раз дешевле GPT-6.1 Sol. Такие модели нужны, когда агенту надо быстро выбрать следующий шаг: какой инструмент вызвать, куда направить запрос, нужна ли проверка человеком. На каких именно задачах измерялось сравнение, компания не уточняет, так что на свои данные полагаться надёжнее.

Картинки, голос и расшифровка речи

Модель для редактирования изображений заняла первое место в рейтинге Artificial Analysis и обошла GPT Image 2.6 Sunburst в максимальном режиме, при этом стоит в пять раз дешевле. Редактирование — самый частый сценарий в продуктах: убрать фон, поправить товар на фото, заменить деталь.

Голосовая модель реального времени, по словам Microsoft, лучше GPT-Realtime 2.1 и стартует от $0,01 за минуту аудио. Для колл-центров и голосовых ассистентов цена минуты решает, окупится ли сервис при тысячах параллельных звонков.

Самый приземлённый пример — MAI Transcribe 2. Microsoft называет её самой быстрой и точной многоязычной моделью расшифровки речи. Она уже работает в 10 миллионах приёмов пациентов в месяц, а доля ошибок на разных языках снизилась вдвое. Это не лабораторный тест, а продакшн в медицине, где ошибка стоит дорого.

Свой чип и что делать разработчику

Седьмой пункт анонса относится к железу. Ускоритель второго поколения от Microsoft уже работает в продакшне и обслуживает самые крупные модели компании. Он выдаёт в 1,7 раза больше токенов на ватт. Энергоэффективность во многом определяет, какую цену за токен Microsoft может позволить себе назначить.

Что делать практику. Во-первых, не принимать проценты из пресс-релиза на веру: качество измерено на выбранных вендором тестах, а «цена за задачу» и «цена за токен» — разные метрики. Во-вторых, собрать собственный набор из 50–100 реальных задач и прогнать новые модели рядом с текущими. В-третьих, если у агента много однотипных шагов, пересмотреть архитектуру: дешёвая быстрая модель выполняет рутину и выбирает действия, а дорогой флагман подключается только на сложные места.

Есть и стратегический сюжет. Microsoft, которая долго опиралась на OpenAI, теперь продаёт собственные модели и открыто сравнивает их с GPT и Claude по цене. Если независимые тесты подтвердят заявленное, давление на тарифы конкурентов вырастет, а выбирать модель по принципу «самая сильная» станет невыгодно.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: код, кибербезопасность и модели среднего класса?

Если сравнивать кодинговую модель с Opus 5.5 от Anthropic, она достигает 96% его результата, но обходится всего в 5% от цены. Для команды, где агент чинит баги и пишет тесты круглые сутки, разница между 100% и 96% качества почти не чувствуется, а разница в 20 раз по цене чувствуется сильно. Отдельная модель для кибербезопасности проверялась на бенчмарке CyberGym-E2E. Там агент проходит задачу целиком, от поиска уязвимости до результата.

Что известно по теме: картинки, голос и расшифровка речи?

Модель для редактирования изображений заняла первое место в рейтинге Artificial Analysis и обошла GPT Image 2.6 Sunburst в максимальном режиме, при этом стоит в пять раз дешевле. Редактирование — самый частый сценарий в продуктах: убрать фон, поправить товар на фото, заменить деталь. Голосовая модель реального времени, по словам Microsoft, лучше GPT-Realtime 2.1 и стартует от $0,01 за минуту аудио. Для колл-центров и голосовых ассистентов цена минуты решает, окупится ли сервис при тысячах параллельных звонков.

Что известно по теме: свой чип и что делать разработчику?

Седьмой пункт анонса относится к железу. Ускоритель второго поколения от Microsoft уже работает в продакшне и обслуживает самые крупные модели компании. Он выдаёт в 1,7 раза больше токенов на ватт. Энергоэффективность во многом определяет, какую цену за токен Microsoft может позволить себе назначить. Что делать практику. Во-первых, не принимать проценты из пресс-релиза на веру: качество измерено на выбранных вендором тестах, а «цена за задачу» и «цена за токен» — разные метрики.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…