微软为什么认为更小、更便宜的人工智能可以击败Claude和GPT

CN
Decrypt
关注
1小时前

微软在周二的 Ignite 大会上发布了一系列专业的人工智能模型,直接针对 Anthropic 和 OpenAI 在编码、网络安全和图像生成领域进行挑战。


微软并不是试图构建一个在所有方面都超越所有人的聊天机器人,而是推出了经过训练以完成特定工作的模型,成本大幅降低。


最引人注目的声明涉及 MAI Code 2,微软表示其在常见企业编码任务上的表现达到了 Claude Opus 5.5 的 96%,费用仅为 5% 的成本。它还声称在价格为 40% 的情况下,MAI Code 2 达到了 GPT-6.1 Sol 的 98% 的表现。





OpenAI 也在周二 发布了 GPT-6.2,因此微软的 Sol 对比已经是旧一代模型。


这些数据是来自四个关注实际软件开发的评估的平均结果,包括修复代码和完成多文件修改。微软在自己的评估平台上进行了三次测试,第四次则采用了外部的结果,并使用 50% 的促销折扣计算了 MAI Code 2 的成本。


一个更轻量级的 Code 2 Flash 模型则专注于常规修复和快速编辑,微软声称其性能与 Claude Haiku 5.5 相当,但价格仅为 20%,因此极其便宜而不牺牲质量。这两种编码模型已经在 GitHub Copilot 中投入使用,将微软内部技术直接融入这个高度依赖外部 AI 供应商的产品中。


安全性是另一个目标。微软表示 MAI Cyber 2 Flash 在 CyberGym-E2E 评估的漏洞发现任务中的成功率为 92.3%,而 GPT-6 Astra 为 91.5%,每项任务的成本不到 2%。CyberGym-E2E 评分是对 AI 成功完成的软件安全调查的百分比;在识别其源材料与训练数据之间的重叠后,微软排除了 905 个任务中的 92 个。


该公司尚未发布与 OpenAI 限制的 GPT-6 Cyber 模型的直接比较。其安全系统将在 12 月中旬开始取代为符合条件的 MDASH 客户服务的旧 MAI 模型,基于 Decrypt 先前报道过的漏洞扫描方法。


在AI领域,大卫也能打败巨人


一个小模型能打败一个大模型吗?当然可以——在特定情况下。


一个通用模型必须学习写诗、解释物理、调试软件和回答几乎任何问题。一个专门针对编码或网络防御调优的模型可以将更多的训练和计算预算投入到与该工作相关的模式中,而不是将同样的广泛知识应用于每一个请求。


这并不意味着小型模型在所有方面都更聪明。当任务定义明确时,它们可以更快且更经济,尤其是在同样的工作每天执行数千次的业务中。


在分析每个新代码更改的安全扫描仪并不需要一个昂贵的前沿模型来解释罗马帝国的历史。如果一个模型可以全力以赴地生成 Python 代码,那么支付其 API 调用的费用将比使用一个超级强大的通用模型更合算。


专业化还可以改善模型周围的整个系统:调用的工具、验证其答案的检查以及用于精炼的数据显示。 OpenAI 也采取了类似的方法,其 Mini 和 Nano 模型让更便宜的工作者处理常规任务,而更大的系统处理例外。


然而,也存在权衡。微软自己的文档指出,Code 2 目前尚未针对基础科学研究或非常长时间的自主任务进行优化。而 Anthropic 在市场的低价端以 Haiku 进行竞争,而不仅仅是其高端的 Opus 模型,因此微软正在进入一个竞争对手已经了解的赛道。


MAI Image 是更令人信服的展示


微软的 MAI Image 2.7 可能提供了其战略成功的最清晰证据。在我们快速的并排测试中,其图像在现实感、创造力和整体质量上超越了 GPT Image 和谷歌的 Nano Banana。


179495749163808.jpg
一只狗在汹涌的海洋中骑自行车

这只是基于几代图像的初步印象,但它们大致反映了其在独立排名中的强劲表现。


在 Artificial Analysis 的图像编辑测试中,要求人们在匿名生成的编辑之间进行选择并将这些偏好转化为 Elo 评分,MAI Image 2.7 目前以 1,215 分领先于 GPT Image 2.6 Sunburst 的 1,211 分。


这个四分的差距足够小,以至于它们报告的不确定性范围重叠;使用相同基于偏好的方法进行评分的文本到图像生成排名中,微软 位列第四。


179495749396606.jpg


定价问题更难以忽视。微软报价 MAI Image 2.7 每 1,000 张图像约为 35 美元,其 Flash 版本约为 10 美元,而在 Artificial Analysis 的比较中,GPT Image 2.6 Sunburst 的最高质量约为 211 美元。谷歌的 Nano Banana 2.1 在那里每 1,000 张约为 34 美元,而 Nano Banana Pro 则约为 134 美元;实际账单取决于供应商、分辨率和设置。


我们对 MAI Image 2 的 早期测试发现其现实感极佳,但编辑和输出格式的限制令人沮丧。更新的版本通过微软的 Canvas 工作区增加了交互式编辑、透明背景以及通过 Foundry 的更广泛访问,但图像质量和可用产品仍然是两回事。值得一提的是,该模型也有较多的审查。


179495749492332.jpg


微软还向选定的商业客户提供了在 Azure 内自定义和运行其模型的许可权重的能力,从而减少对外部供应商的依赖,而不将技术开源。针对其专业战略的下一次测试,Code 2 已在 GitHub Copilot 中提供,Cyber 2 Flash 的推出计划于 12 月中旬开始。


免责声明:本文章仅代表作者个人观点,不代表本平台的立场和观点。本文章仅供信息分享,不构成对任何人的任何投资建议。用户与作者之间的任何争议,与本平台无关。如网页中刊载的文章或图片涉及侵权,请提供相关的权利证明和身份证明发送邮件到[email protected],本平台相关工作人员将会进行核查。

分享至:
APP下载

X

Telegram

Facebook

Reddit

复制链接