Microsoft が MAI 自社開発 7 モデルを一斉公開
OpenAI と Anthropic に追いつけるのか？

背景：Microsoft が自社モデルを作る理由

過去 7 年間、Microsoft は OpenAI へ累計 1300 億ドル超を投じ、Azure 上の GPT モデルは AI 戦略の中核でした。しかしこの深い依存関係には 3 つのリスクが伴います。

1. 01

   コストの膨張：API 呼び出しのたびに OpenAI へ支払いが発生し、規模が大きいほど利益率が圧迫される

2. 02

   技術的主権の欠如：モデル更新サイクル、学習データ、重みの所有権をコントロールできない

3. 03

   契約上の制約：旧契約では大規模モデルの独自学習が明示的に制限されていた

転換点は 2025 年末です。再交渉によりモデル規模の制限が撤廃され、Microsoft は独自に「スーパーインテリジェンス」を追求できるようになりました。Microsoft AI 責任者 Mustafa Suleyman は次のように述べています。

「おおよそ 6 か月前、OpenAI との契約から正式に『解放』され、自社 IP・自社データ・自社計算資源でスーパーインテリジェンスを追いかける許可を得ました。これは非常に初期段階の始まりです。」

Build 2026 は、Microsoft が自社開発の「脳」を世界に初めて示した場でした。

MAI 7 モデル一覧

MAI-Thinking-1 — 推論フラッグシップ

ひとことで：Microsoft 初の推論モデル。エンタープライズ向けコーディングと数学推論を主眼に、コスト効率を優先しています。

アーキテクチャと規模

スパース MoE の要点は、推論時に 35B パラメータだけを活性化することです。GPT-5.5 や Claude Opus などの密な大規模モデルより小さく、推論コストを大幅に抑えられる点が最大の差別化要因です。

ベンチマーク成績

ベンチマーク数字の読み方（重要）

発表会では「Claude Opus 4.6 対抗」が強調されましたが、細部を見ると 3 点に注意が必要です。

1. 01

   技術レポートの実際の表現は 「competitive with Sonnet 4.6 across a wide range of benchmarks」——Sonnet は Anthropic のミドルレンジモデルであり、フラッグシップ Opus ではありません

2. 02

   比較対象のバージョンが古い：現行フラッグシップは Claude Opus 4.8（SWE-Bench Pro 69.2%）ですが、Microsoft が選んだのは 2 世代前の Opus 4.6（53.4%）

3. 03

   GPT-5.5 の SWE-Bench Pro は 58.6% で、MAI-Thinking-1 より高い

結論：MAI-Thinking-1 はコスト効率に優れたミドルレンジ推論モデルです。絶対性能では現行 Anthropic / OpenAI フラッグシップに及びません。

MAI-Image-2.5 — テキスト→画像 & 画像→画像

ひとことで：テキスト→画像と画像→画像の両方に対応する Microsoft 初の画像モデル。Arena.ai 画像編集ランキング #2。

• Text-to-Image：Arena.ai ランキング #3
• Image-to-Image：スタイル転写、部分編集
• Control with Preservation：編集時に元の意味構造を保持
• PowerPoint、OneDrive に統合済み。Azure Foundry Model Catalog でも提供

料金（Foundry サーバーレス）

MAI-Transcribe-1.5 — 音声→テキスト

ひとことで：43 言語の音声文字起こし。FLEURS ベンチマーク #1、競合比 5 倍以上の速度。

FLEURS 43 言語ベンチマークでは Scribe V2、Whisper-large-V3、GPT-4o-Transcribe、Gemini 3.1 Flash を上回ります。Teams 会議記録、コールセンター文字起こし、GitHub Copilot 音声入力、アクセシビリティツールが典型用途です。

MAI-Voice-2 — 多言語 TTS

ひとことで：音声クローン対応の多言語テキスト→音声。15 言語以上の追加と感情スタイル制御を新搭載。

• Zero-shot 音声クローン：数秒の参照音声で指定話者を合成
• 感情スタイル：トーン、話速、感情色の制御
• 言語カバレッジ：15 言語以上を新規追加
• 出力：MP3、24 kHz サンプリングレート。料金 $22 / 1M 文字
• Flash 版：超低レイテンシ変種。リアルタイム音声 Agent 向け。「近日公開」
• 統合先：Azure Foundry、VS Code、Dynamics 365、Microsoft Copilot

MAI-Code-1-Flash & MAI-Code-1 — プログラミングアシスタント

ひとことで：GitHub Copilot と VS Code に最適化された推論効率型コーディングモデル。すでに正式提供中です。

• コンテキストウィンドウ：256K tokens
• 組み込み済み：GitHub Copilot（CLI 含む）、VS Code、GitHub Actions
• MAI-Code-1-Flash 料金：入力 $0.75 / 1M tokens、出力 $4.5 / 1M tokens
• ベンチマーク：SWE-Bench 51%、Claude Haiku 4.5 を上回り、速度・コスト面で優位

FrontierNews.ai の評価：7 モデルの中で MAI-Code-1-Flash が開発者の日常への影響が最も直接的——プライベートプレビューを待たず、今日すでに VS Code 上で動いています。

ハードウェア：Surface RTX Spark Dev Box

Satya Nadella はこれを 「dream machine」と呼びました——単なるミニ PC ではありません。

プリインストール開発環境

WSL 2（GPU パススルー + CUDA 付き）、VS Code + GitHub Copilot、PowerShell 7、Python、Node.js、Git、NVIDIA CUDA/cuDNN、AI Toolkit for VS Code、Windows ML、Microsoft Foundry CLI。

どのモデルが動くか？

• ローカルで 120B+ パラメータモデル（Llama 4、Qwen 3 など）
• 1M token コンテキストで快適な対話速度
• 従来クラウド GPU が必要だった規模の Fine-tune

販売情報：米国（初期）、Microsoft.com のみ、2026 年秋、価格未発表（個人も購入可）。クラウド AI 演算をデスクトップに持ち込み、「トークン従量課金」モデルに直接挑む設計です。

核心問題：Microsoft は第一陣に追いつけるか？

Mustafa Suleyman は Build 2026 で率直に語りました。

「目標は、世界トップ 4 の AI ラボの一つであることを証明することです。現時点ではその中にいません。だからこそ Microsoft に来ました——完全マルチモーダルな最先端モデルを、ゼロから構築します。」

現時点の「三強」は Google DeepMind、OpenAI、Anthropic と見なされています。

すでに達成していること

まだ追いついていない点

比較次元まとめ

真の変化：「最強モデル」から「最も使いやすいシステム」へ

1. 01

   MAI-Code-1-Flash が GitHub Copilot に内蔵されれば、7,500 万開発者が毎日 Microsoft モデルを使う

2. 02

   Surface RTX Spark Dev Box が発売すれば、「ローカル AI 主権」がハードウェア商品になる

3. 03

   エンタープライズデータを Azure 内で MAI を Fine-tune できれば、Microsoft は「データフライホイール」を握る

短期（1〜2 年）：純粋なモデル知能テストでは OpenAI・Anthropic フラッグシップに後れを取る見込みです。中期（3〜5 年）：Suleyman チームの「Hill-Climbing Machine」学習体系が成熟すれば、更新速度は加速するでしょう。最も重要な洞察は、勝負が最高スコアではなく、開発者ワークフロー・エンタープライズデータ主権・ハードウェア側の摩擦点をどれだけ制御できるか、という点にあります。

開発者向け接続ガイド

現在の提供状態

クイック呼び出し例（MAI-Code-1-Flash）

import openai

client = openai.AzureOpenAI(
    azure_endpoint="https://<your-resource>.openai.azure.com/",
    api_key="<your-api-key>",
    api_version="2026-05-01"
)

response = client.chat.completions.create(
    model="mai-code-1-flash",
    messages=[
        {"role": "system", "content": "You are an expert software engineer."},
        {"role": "user", "content": "Refactor this Python function to use async/await: ..."}
    ],
    max_tokens=2048
)
print(response.choices[0].message.content)

MAI-Thinking-1 プライベートプレビュー：Microsoft Foundry にアクセスし、Model Catalog で「MAI-Thinking-1」を検索して申請してください。Build 2026 発表により、MAI モデルは OpenRouter、Fireworks AI、Baseten からも呼び出せます。

5 ステップ導入チェックリスト

1. 01

   Azure サブスクリプションと Foundry ワークスペース権限を確認する

2. 02

   Model Catalog で MAI-Image / Transcribe / Voice / Code モデルをデプロイする

3. 03

   VS Code / GitHub Copilot を更新し MAI-Code-1-Flash を有効化する

4. 04

   推論フラッグシップが必要なら MAI-Thinking-1 プライベートプレビューを申請する

5. 05

   macOS グラフィカルセッションで Copilot インライン提案と Azure ポータル設定を検収する

よくある質問

おわりに

Microsoft MAI ファミリーは、「OpenAI への深い依存」から「自社開発 + 配布」への戦略転換を示しています。MAI-Thinking-1 はコストとデータコンプライアンスで差別化を持ちつつ、フラッグシップ benchmark では依然 1 世代遅れています。一方 MAI-Code-1-Flash は Copilot 経由で数千万開発者に届いています。Surface RTX Spark Dev Box はローカル 120B+ 推論を購入可能なハードウェアとして位置づけられます。

開発者にとって、MAI-Code-1-Flash と Azure Foundry 設定の検収には、macOS グラフィカルセッションで VS Code、Copilot 認可、ポータル操作を行う必要が多いです——Windows/Linux 主力機だけでは完全再現が難しい場面があります。Dev Box の秋発売を待つか Mac を購入するより、リモート Mac を時間課金で借りる方が、VNC 上で Copilot と Foundry をグラフィカルに確認し、ローカルハードウェアへの長期投資を判断するうえで合理的です。MAI 接続と Agent ワークフローを評価中なら、VNCMac でクラウド Mac をレンタルできます。Mac レンタルプランをご覧ください。

参考：Microsoft AI: MAI-Thinking-1 · 技術レポート PDF · Build 2026 Keynote · Azure AI Foundry Blog · Surface RTX Spark Dev Box · The Verge · VentureBeat。データは 2026-07-14 時点。