微软推出两款自研模型：MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash-低调大师

微软推出两款自研模型：MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash

2026-07-24 6

微软宣布推出两款自研 AI 模型 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash，均已进入公开预览阶段。

其中：

MAI-Image-2.5-Pro 适用于对质量要求极高的应用场景。包括精美的图片、精细的编辑以及精准的图像内文字渲染。Pro 是我们迄今为止保真度最高的图像模型，定价为每百万个文本输入 token 5 美元，每百万个图像输入 token 8 美元，每百万个图像输出 token 106 美元。
MAI-Voice-2-Flash 首次亮相于 Build 大会，专为速度和规模化而打造。对于响应速度至关重要的大规模语音体验而言，Flash 是快速高效的理想之选，同时还能保留 MAI-Voice-2 的自然韵律和高品质音效。Flash 的速度是 MAI-Voice-2 的两倍，价格却便宜 32%，每百万字符仅需 15 美元。

“MAI-Image-2.5-Pro 标志着 GenMedia 工具系列的一次重大飞跃。除了令人惊叹的图像质量外，它能够以如此高的精度渲染文本，这确实是一项重大突破。它还能理解自然语言编辑指令，因此创意迭代过程变得更快、也更加直观。微软已稳稳跻身生成式人工智能领域的领导者之列。”

目前，MAI-Image-2.5 已在 Bing Image Creator 中成为默认图像生成模型；并在 PowerPoint 中用于图像到图像编辑功能，与 GPT-Image-2 相比，GPU 成本最多可降低 84%。在OneDrive中部署后，相关场景保存成功率提升26%，P95 延迟降低约25%，中等负载生产环境效率提升2. 5 倍。

同时，MAI-Image-2.5 也已成为 OneDrive 关键生产环境图像编辑场景的默认模型。自推出以来，其保存率提高了 26%，P95 延迟降低了约 25%，并且在中等负载的生产工作负载下效率提高了 2.5 倍。

MAI-Voice-2-Flash 则已接入 Dynamics 365 Contact Center，为 T-Mobile、EasyJet 等客户提供服务，GPU 成本最高降低 89%。以及集成至 Azure Voice Live，支持开发者构建语音到语音交互智能体。

此外，同系列的 MAI-Transcribe-1. 5 已应用于医疗语音解决方案 Dragon Copilot，支持 58 种语言，多数语言转录错误率相对下降50%。微软透露下一代 GB200 计算集群已投入运行，MAI 系列模型将持续扩展。

微信关注我们

原文链接：https://www.oschina.net/news/478288/mai-image-2-5-pro-and-mai-voice-2-flash

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

91% 的 Token 花在读代码上，这套上下文交接术把成本砍掉了四成

AI 编程 Agent 的账，大多数人算错了。 Stencil 的 Can Boluk 发了一篇文章，拆开了一份来自 SWE-Bench 基准测试的数据：在 1.81 亿个 token、近 200 万次工具调用中，编辑和写入只占了 9%。剩下 91% 全在阅读——读文件、grep 搜索、查看输出。换句话说，Agent 的钱不是烧在写代码上，是烧在读代码上。这个事实意味着一个反直觉的结论：业界流行的 /plan 模式——让贵模型做规划、便宜模型来执行——其实更烧钱。因为便宜模型在拿到规划文档之后，还得重新读一遍贵模型已经...

2026-07-24

5

德国人工智能初创公司黑森林实验室（Black Forest Labs）正式发布多模态基础模型 Flux3。该模型基于Self-Flow架构打造，配备专用的图像、视频、音频及动作编解码器，实现了对物理与数字环境的统一理解与生成。作为首款支持原生音频生成的模型，Flux3可一次性输出长达20秒的音视频同步片段，并涵盖文本/图像/视频转视频、基于关键帧的转场及多语言对话等功能。在 720p 分辨率、10 秒片段的早期测试中，Flux3 性能超越 Luma Ray3.2（93%胜率）与 Runway Gen-4.5（77%胜率），并在与 Seedance2.0 及 Gemini Omni Flas...

2026-07-24

9

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。