A Microsoft MAI modellek megérkeztek, és a cég szerint akár 89%-kal olcsóbban futnak, mint az OpenAI modelljei. A Microsoft AI szerdán, 2026. július 22-én nyilvános előzetesben mutatta be két új, saját fejlesztésű modelljét, a MAI-Image-2.5-Pro képgenerátort és a MAI-Voice-2-Flash hangmodellt, és mellé olyan éles termelési adatokat közölt, amelyek eddig ritkán kerültek nyilvánosságra egy nagy labortól.
A számok mögött nem egy szokványos modellbejelentés áll, hanem egy stratégiaváltás. A Microsoft a saját termékeiben — Bing, PowerPoint, OneDrive, Dynamics 365, Excel — az OpenAI modelljeiről a saját MAI-modellcsaládra vált, és ezzel a mérése szerint 84–89%-os GPU-költségcsökkenést ért el. Ha ez a különbség valós, az átrajzolja azt a képet, hogy kinek éri meg saját modellt fejleszteni.
Microsoft MAI modellek: mi újat hozott a bejelentés?
A Microsoft nem egyetlen modellt dobott piacra, hanem egy egész családot, ahol minden tag egy konkrét, nagy forgalmú feladatra van optimalizálva. A logika egyszerű: nem éri meg a legdrágább csúcsmodellt használni egy táblázat oszlopának formázására.
A most bejelentett és korábban indított modellek a következők:
- MAI-Image-2.5-Pro — prémium kép-generáló és -szerkesztő modell, most nyilvános előzetesben.
- MAI-Voice-2-Flash — nagy volumenű vállalati hangfeldolgozó, szintén friss megjelenés.
- MAI-Image-2.5 — az alap képmódosító modell, amely az Arena rangsorban a 2. helyet érte el.
- MAI-Transcribe-1.5 — egészségügyre hangolt, többnyelvű beszédfelismerő modell.
- MAI-Code-1-Flash — könnyűsúlyú kódoló modell, amely már 2026 júniusában elindult a GitHub Copilotban.
A modellcsalád-megközelítés lényegét a Microsoft maga fogalmazta meg: „egy maximális minőségre törekvő kreatív stúdiónak teljesen más igényei vannak, mint egy napi több millió hívást kezelő ügyfélszolgálatnak.” Vagyis nem egy modell akar mindent megoldani, hanem minden feladathoz a hozzá illő, olcsóbb eszköz kerül elő.
Hogyan teljesítenek a Microsoft MAI modellek a gyakorlatban?
A Microsoft nem elméleti benchmarkokkal, hanem éles termékadatokkal érvelt — ez a bejelentés legérdekesebb része. Nézzük, mit mértek a saját felületeiken.
A PowerPointban a MAI-Image-2.5 a cég szerint akár 84%-kal csökkenti a GPU-költségeket az OpenAI GPT-Image-2 modelljéhez képest. A Dynamics 365 Contact Centerben a MAI-Voice-2-Flash bevezetésével akár 89%-os GPU-költségcsökkenést mértek — ez a bejelentés címadó száma.
A OneDrive-ban a MAI-Image-2.5 lett az alapértelmezett modell. Az eredmények itt nemcsak költségről szólnak: 26%-kal nőtt a mentési arány, ~25%-kal csökkent a P95 késleltetés, és a modell 2,5-szer nagyobb hatékonyságot mutatott közepes kihasználtság mellett.
Az egészségügyi Dragon Copilot különösen sokat mond a méretekről. A szolgáltatást 170 000 egészségügyi dolgozó használja, és az előző negyedévben 28 millió betegtalálkozót dolgozott fel. A MAI-Transcribe-1.5 bevezetésével a transzkripciós és nyelvfelismerési hibaarányok 50%-kal estek, 58 támogatott nyelven.
„Mostantól a telített csúcsképességeket nagy volumenben és alacsonyabb költséggel tudjuk kiszolgálni, a nagy forgalmú termékekre optimalizált modellekkel — miközben a valóban csúcsigényekhez továbbra is a frontier modelleket használjuk.” — Satya Nadella, a Microsoft vezérigazgatója
MAI-Code-1-Flash: a kódoló modell, ami az Excelt is elvitte
A fejlesztőket a MAI-Code-1-Flash számai érdeklik leginkább. A GitHub Copilotban, VS Code-ban a modell kódelfogadási aránya a Microsoft szerint ~10%-kal magasabb, mint a GPT-5.4 Mini és a Claude Haiku 4.5 esetében — miközben 10%-kal kevesebb tokent használ. A felhasználói megtartás 6%-kal jobb a GPT-5.4 Mini-nél és 11%-kal a Claude Haiku 4.5-nél.
A leglátványosabb eredmény azonban az Excelhez köthető. A Microsoft a kódoló modellt egy Excel-specifikus megerősítéses tanulási (RL) környezetben képezte tovább, és így a leggyakoribb Excel-feladatokon a GPT-5.6-tal azonos szintű teljesítményt ért el.
A csavar a hardver: ezt a szintet régebbi Nvidia H100 és A100 GPU-kon futtatva hozták. Vagyis nem a legújabb, legdrágább chipek kellenek hozzá, ami önmagában jelentős költségelőny.
Mennyibe kerülnek és hol érhetők el?
Az árazás a bejelentés másik konkrét része. A MAI-Image-2.5-Pro díjai a nyilvános előzetesben:
$5 / millió szöveges bemeneti token, $8 / millió kép bemeneti token, és $106 / millió kép kimeneti token.
A MAI-Voice-2-Flash ára $15 / millió karakter. A Microsoft szerint ez 32%-kal olcsóbb és kétszer gyorsabb, mint az elődje, a MAI-Voice-2. A modellek nyilvános előzetesben érhetők el, tehát a fejlesztők már ki tudják próbálni őket.
A Microsoft ráadásul nemcsak a modelleket, hanem a mögöttük álló módszertant is termékesíti. A belső „hill-climbing” finomhangolási és tesztelési keretrendszerét Azure Foundry és Frontier Tuning néven teszi elérhetővé, így a partnerek saját, biztonságos vállalati adatokon nevelhetnek specializált modelleket.
Mit jelent ez az OpenAI-kapcsolatnak?
A bejelentés nem légüres térben történt. A Microsoft és az OpenAI viszonya az elmúlt hónapokban láthatóan lazult. 2026 áprilisában a Reuters jelentése szerint a korábban kizárólagos OpenAI-licencszerződést nem-kizárólagosra módosították. Már 2025 szeptemberében is arról írt a The Information, hogy a Microsoft megkezdte az Anthropic modelljeinek integrálását.
A MAI-modellcsalád ebbe a képbe illeszkedik. A Microsoft a saját felületein a rutin AI-forgalom nagy részét most saját kézbe veszi, és a drága frontier modelleket csak ott hagyja meg, ahol tényleg kell.
Satya Nadella ezt egy „Frontier Diffusion & Control” nevű gondolatmenetbe csomagolta: a modelltől független vezérlés — a memória, a kontextus, a képességek és a keretrendszer a modellen kívül tartása — az, ami a Microsoftnak kontrollt ad. Más szóval a cél nem egyetlen modell birtoklása, hanem a szabad váltás képessége.
Miért fontos a régi GPU-k felszabadítása?
A költségcsökkentésnek van egy kevésbé látványos, de stratégiailag legalább ilyen fontos következménye. Ha a napi, nagy volumenű AI-feladatok elfutnak régebbi Nvidia H100 és A100 chipeken, akkor a legújabb, legdrágább hardver — például a Microsoft nemrég üzembe helyezett GB200-klasztere — felszabadul a kutatásra és a modelltréningre.
Ez a gyakorlatban azt jelenti, hogy ugyanabból a GPU-flottából a Microsoft egyszerre tud olcsón kiszolgálni és drágán fejleszteni. Egy olyan piacon, ahol a legmodernebb AI-gyorsítók hónapokig hiánycikkek, ez a fajta hardver-újrahasznosítás önmagában is versenyelőny.
A modellcsalád-logika ezért nem csupán szoftveres döntés, hanem infrastruktúra-stratégia is: a feladat súlyához mért modell egyben a hardver optimális elosztását is jelenti.
Mit jelent ez a piacnak?
A Microsoft MAI modellek üzenete túlmutat a cég termékein. Ha egy ekkora szereplő nyilvánosan kimutatja, hogy célspecifikus, kisebb modellekkel 80–90%-os költséget faraghat le, azzal a „mindent a legnagyobb frontier modellel” logika kérdőjeleződik meg.
Ez a token-gazdaságtan felé tolja a piacot. A modellárazás lefelé tartó spirálja — amit a DeepSeek és a Gemini Flash típusú olcsó modellek indítottak el — most egy hyperscaler saját stratégiájában is megjelenik. A hardveroldalon pedig fontos üzenet, hogy a régebbi H100 és A100 GPU-k is elegendők a napi feladatokhoz, így a legújabb chipek felszabadulhatnak a kutatásra és a tréningre.
A magyar és európai döntéshozók számára a legfontosabb tanulság a beszállítói függőség kérdése: az AI-modell ma már költségtétel és stratégiai eszköz egyszerre, nem pusztán technológiai választás.
5 döntéshozói következtetés a MAI-modellekből
- Nézd meg a feladat-modell illesztést: nem minden munkára kell csúcsmodell — a rutinfeladatokra olcsóbb, célspecifikus modell is elég lehet, és ez a költség 80–90%-át leviheti.
- Számolj a régebbi hardverrel: a MAI-példa mutatja, hogy H100/A100 szintű GPU-kon is elérhető a friss teljesítmény — nem feltétlenül kell a legdrágább chipekre várni.
- Kerüld a beszállítói bezáródást: a Microsoft éppen azért fejleszt saját modellt, hogy szabadon válthasson — vállalati szinten is érdemes fallback-modellben gondolkodni.
- Kövesd a token-árakat, ne csak a benchmarkot: a MAI-Voice-2-Flash $15/millió karakteres ára konkrét viszonyítási pont a hang-AI beszerzéshez.
- Az adatkontroll érték: az Azure Foundry és Frontier Tuning arról szól, hogy saját adaton finomhangolt modell versenyelőny lehet — érdemes ezt a lehetőséget felmérni.
A Microsoft már nem csak az OpenAI kirakata
A Microsoft MAI modellek legfontosabb üzenete nem a 89%-os szám, hanem az, hogy a Microsoft nyilvánosan is kimondta: a saját termékeit saját modellekkel akarja működtetni. A cég blogja szerint „mindegyik fejlesztés ugyanazt a célt szolgálja: Microsoft-termékek, Microsoft-modellekkel.”
Ez évekig elképzelhetetlen volt egy olyan vállalattól, amely az OpenAI legnagyobb támogatójaként vált az AI-korszak arcává. A MAI-modellcsaláddal a Microsoft megmutatta, hogy a jövőben nem partnerként, hanem versenytársként is jelen akar lenni a modellpiacon — és az árazással a teljes iparra nyomást helyez.
Kapcsolódó elemzésünkben részletesen bemutatjuk a Microsoft AI-stratégiájának üzleti oldalát: Microsoft Frontier Company: 2,5 milliárd dolláros AI-bevezetési üzletág. További modell-összehasonlításokért iratkozz fel az AI Hírek hírlevelére.