Microsoft MAI は、Microsoft AI が2026年6月2日に発表した推論・コーディング・画像・音声を含む7つの自社AIモデル群です。
📖 この記事で分かること
Microsoft が 2026年6月2日に発表した 7 つの自社 MAI モデルの全体像
MAI-Thinking-1 / MAI-Code-1-Flash の規模と公開ベンチマーク数値
「他ラボから蒸留しない」自前構築方針と OpenAI 依存低減の文脈
Foundry / OpenRouter / GitHub Copilot など実際の入手経路
💡 知っておきたい用語
MoE(Mixture of Experts):入力ごとに必要な一部の「専門家」だけを動かし、巨大モデルでも計算量を抑える仕組み
アクティブパラメータ:1 回の推論で実際に使われるパラメータ数。総パラメータより小さく、コストの目安になる
最終更新日: 2026年6月4日
▶ 公式ページ
Microsoft が一度に 7 つの自社モデルを公開
Microsoft AI は 2026年6月2日、自社開発の AI モデル群「MAI」シリーズとして 7 つの新モデルを一括で発表しました。推論・コーディング・画像・音声・文字起こしまでをカバーし、いずれも「他社モデルからの蒸留に頼らず自前で構築した」と明言している点が今回の核です。
この記事のポイント
Microsoft が 2026年6月2日、自社 MAI モデル 7 つを発表(2026年6月時点)。
推論モデル MAI-Thinking-1 は 35B アクティブ・約 1T 総パラメータの MoE 構成。
コーディング向け MAI-Code-1-Flash は調整後精度 85.8%、GitHub Copilot で同日提供開始。
McKinsey 向け調整版は GPT-5.5 を上回り 10 倍のコスト効率と主張(Suleyman CEO)。
発表は米サンフランシスコで開かれた開発者会議 Microsoft Build 2026(2026年6月2〜3日)に合わせたもので、Microsoft 自身の言葉では「丘を登り続ける機械(hill-climbing machine)」を作る、つまり継続的に性能を積み上げる体制づくりの一環と位置づけられています。
主要 2 モデルの規模とベンチマーク
中心となるのは推論モデルとコーディングモデルの 2 つです。いずれも「同等クラスのモデルを、より小さい footprint で」という設計思想が共通しています。
MAI-Thinking-1(2026年6月時点) は Microsoft AI のフラッグシップ推論モデルで、35B のアクティブパラメータ、総パラメータ約 1T(1 兆)の sparse MoE 構成です。ソフトウェア工学系のベンチマークで主要モデルに匹敵し、数学推論で強みを示すとされます。ブラインドの人間評価では Claude Sonnet 4.6 よりも好まれた、というのが Microsoft の主張です。
MAI-Code-1-Flash(2026年6月時点) はアクティブパラメータ 50 億(5B)のコーディング特化モデルで、GitHub Copilot・VS Code・Microsoft スタックに深く統合されます。複雑なコーディング課題を計画から最後まで通して扱う設計で、調整後精度 85.8%、総合で Claude Haiku 4.5 を上回ったとされます。位置づけは「Haiku 相当の品質をより安価に」で、GitHub Copilot 上では発表と同じ 2026年6月2日から利用可能です。
画像・音声系も同時に出ています。MAI-Image-2.5(と効率重視の Flash 版)は画像生成と編集に対応し、アリーナ評価で Nano Banana Pro を上回ったとされます。MAI-Transcribe-1.5 は 43 言語対応で競合の約 5 倍高速、FLEURS で最先端精度を主張。MAI-Voice-2 は 15 言語の音声生成に対応し、声サンプルからの適応が可能で、低コストな Flash 版が近日公開予定です。
コスト効率と「自前構築」という主張
今回の発表でビジネス利用者の関心を引くのはコスト効率の数字です。Excel 向けにチューニングした版は GPT-5.4 に匹敵しながら最大 10 倍のコスト効率を示したとされ、コンサルティング大手 McKinsey 向けに精緻化した版は GPT-5.5 を上回り、やはり約 10 倍のコスト効率に達したと Microsoft AI の CEO Mustafa Suleyman 氏が説明しています。
技術面では、Microsoft は「他ラボのモデルから蒸留しない」「ライセンスが不透明・不明瞭なデータに依存しない」「あらゆる構成要素を自前で構築した」と明言しました。あわせて、開発者が自分のデータと環境内でモデルの重みを調整できる「Frontier Tuning」も打ち出しています。データの所有権とトレーサビリティを前面に出した形です。
入手経路は自社の Microsoft Foundry に加え、OpenRouter・Fireworks・Baseten といった外部プラットフォームでも提供されます。特定クラウドに閉じず、開発者がすでに使っている場所から触れる構成です。
編集部の見方
OpenAI 依存からの実質的な軸足移動:Microsoft は同時期に Copilot をマルチモデル化し、OpenAI・Anthropic・オープンソースへ処理を振り分ける方針も示しています。自社 MAI の投入は、外部モデルへの依存度を下げ、コストと供給を自社で握りに行く動きとして読めます。
評価は「自称ベンチ」を割り引いて見る段階:Claude Haiku 4.5 超えや Sonnet 4.6 より好まれたという数字は、いずれも Microsoft 側の発表に基づくものです。第三者ベンチや実務での再現が出てくるまでは、コスト効率 10 倍という数値も含めて前提条件付きで捉えるのが妥当です。
刺さる読者:GitHub Copilot や Azure/Foundry をすでに業務で使う開発組織には、同等品質を安価に試せる選択肢が増える意味が大きい一方、特定モデルの精度が要件に直結する用途では、自前検証なしの乗り換えは時期尚早です。
まとめ
Microsoft は推論・コーディング・画像・音声・文字起こしにまたがる 7 つの自社 MAI モデルを 2026年6月2日に発表し、「自前構築」と「コスト効率」を前面に押し出しました。数値の多くは自社評価に基づくため検証はこれからですが、Foundry や GitHub Copilot、外部プラットフォーム経由で実際に触れる導線が用意されており、Microsoft の外部モデル依存を下げる戦略が形になった発表と言えます。
よくある質問
Q: MAI モデルはどこで使えますか?
A: Microsoft Foundry のほか、OpenRouter・Fireworks・Baseten で提供されます。MAI-Code-1-Flash は GitHub Copilot と VS Code に統合され、2026年6月2日から利用可能です。
Q: OpenAI のモデルは Microsoft 製品から無くなるのですか?
A: 置き換えではなく追加です。Copilot はマルチモデル構成で、OpenAI・Anthropic・オープンソースと MAI を用途に応じて振り分ける方針が示されています。
Q: コスト効率 10 倍は信頼できる数値ですか?
A: Excel 向けや McKinsey 向けの調整版に関する Microsoft 側の主張で、第三者検証はこれからです。実務では自分のワークフローでの検証を前提に評価するのが安全です。
まとめ
Microsoft は自社 MAI 7 モデルを 2026年6月2日に公開し、推論の MAI-Thinking-1(35B アクティブ・約 1T MoE)とコーディングの MAI-Code-1-Flash(調整後精度 85.8%)を中心に据えました。発表値の多くは自社評価ですが、複数プラットフォームでの提供と GitHub Copilot 同日対応により、すぐ触れる状態で出てきた点が実務上の要点です。
【用語解説】
アクティブパラメータ: MoE 構成で 1 回の推論に実際に使われるパラメータ数。総パラメータより小さく、推論コストや速度の目安になる
Frontier Tuning: 開発者が自社データと環境内でモデルの重みを調整できる Microsoft の仕組み。データの所有権を保ったまま業務ワークフローへ最適化する用途を想定
FLEURS: 多言語の音声認識・文字起こし性能を測るベンチマークの一つ。MAI-Transcribe-1.5 が最先端精度を主張した評価基盤
引用元:
この記事について: AI 支援で執筆、編集部が事実確認・編集しています。誤りや追加情報があれば Contact よりお知らせください。
関連