Microsoft 7 モデル MAI 自研 AI 発表：
OpenAI と Anthropic に追いつけるか

過去 7 年間、Microsoft は OpenAI に累計 130 億ドル超を投資し、Azure 上の GPT モデルは AI 戦略の中核でした。この深い依存関係には 3 つの構造的リスクがあります。

• コスト管理：API 呼び出しごとに OpenAI へ支払いが発生し、規模拡大ほど利益率が圧迫されます；
• 技術的主権の欠如：モデル更新ペース、データソース、重みの所有権をコントロールできません；
• 契約制約：旧契約は Microsoft の大規模モデル自前学習を明示的に制限していました。

転換点は 2025 年末です。両社は再交渉し、新契約でモデル規模制限を撤廃、Microsoft が独自に「スーパーインテリジェンス」を追求することを明確に認めました。Mustafa Suleyman は Build 2026 で次のように述べています。

「おおよそ 6 か月前に、OpenAI との契約から正式に『自由』を得て、自社 IP・自社データ・自社算力で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。これは非常に初期の段階です。」

Build 2026 は Microsoft が自社「自研ブレイン」の成果を世界に初めて示した場であり、OpenAI から独立した自研 AI 路線への転換を宣言するものです。ただし第 1 世代製品は「世界トップ 4 大ラボ」と客観的なギャップが残ります。

開発者と企業が今直面する核心課題：

• 情報ノイズ：発表会は「Claude Opus 4.6 対標」を強調しましたが、技術レポートは Sonnet 4.6 帯域であり、選定を誤りやすい；
• 利用可能性の分断：MAI-Thinking-1 はプライベートプレビュー中で、本番利用可能なのは MAI-Code-1-Flash とマルチモーダル API；
• データコンプライアンス：金融・医療・法務顧客は MAI Fine-tune と OpenAI API のデータ所有権差異を整理する必要がある；
• コスト試算の難しさ：MoE アーキテクチャの活性パラメータは 35B のみだが、料金・レイテンシと GPT-5.6 の横比較表が不足；
• ローカル vs クラウド：Surface RTX Spark Dev Box は 120B+ モデルをローカル実行可能とするが、Token 従量課金クラウドとの役割分担が不明確。

Build 2026 ではテキスト推論、画像、音声、文字起こし、コーディングをカバーするフルスタックが一挙公開されました。下表は概要で、各モデルの主要パラメータを続けて解説します。

MAI-Thinking-1 — 推論フラッグシップ

Microsoft 初の推論モデルで、エンタープライズコーディングと数学推論を主眼に置き、コストパフォーマンス優先です。スパース MoE（Mixture of Experts）を採用：総パラメータ約 1T（1 兆）、推論時活性化 35B、コンテキスト 256K tokens。ゼロから事前学習、第三者蒸留なし。学習データはエンタープライズ向け clean data で、商用ライセンス・トレーサビリティあり。

ベンチマークデータの正しい読み方（宣伝に惑わされない）：

• 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 のミドルモデルであり、フラッグシップ Opus ではありません；
• 比較対象バージョンが古い：現在の Anthropic フラッグシップは Claude Opus 4.8（SWE-Bench Pro 69.2%）で、Microsoft が選んだ Opus 4.6（53.4%）は 2 世代前；
• GPT-5.5 の SWE-Bench Pro は 58.6% で、MAI-Thinking-1 の 52.8% を上回ります。

結論：MAI-Thinking-1 は競争力のあるミドル帯推論モデルであり、MoE による推論コスト優位性が大きい。絶対性能では現行 Anthropic / OpenAI フラッグシップとの差が残ります。

MAI-Image-2.5 — テキスト→画像・画像→画像

• Text-to-Image：Arena.ai テキスト→画像ランキング #3；
• Image-to-Image：スタイル転送、部分編集；Arena.ai 画像編集ランキング #2；
• Control with Preservation：編集時に元の意味構造を保持（構図を壊さない）；
• PowerPoint、OneDrive に統合済み、Azure Foundry Model Catalog で提供。

MAI-Transcribe-1.5 — 音声→テキスト

• 43 言語対応（自動言語検出含む）；
• FLEURS 平均 WER 4.9%（業界最低水準の一つ）；Artificial Analysis WER 2.4%（総合 3 位）；
• 処理速度 276× リアルタイム（1 時間音声を秒単位で文字起こし）；1.4 版比レイテンシ 5.7 倍改善；
• Contextual Biasing：キーワードバイアスで専門用語精度向上；
• 料金 $0.36 / 音声時間あたり；FLEURS 43 言語ベンチで Scribe V2、Whisper-large-V3、GPT-4o-Transcribe、Gemini 3.1 Flash を上回る；
• 典型シーン：Teams 議事録、コールセンター文字起こし、GitHub Copilot 音声入力、バリアフリーツール。

MAI-Voice-2 — 多言語 TTS

• Zero-shot 音声クローン：数秒の参照音声で指定話者を合成；
• Emotion Styles：トーン、話速、感情色を制御；
• 15+ 言語を新規追加（完全リストは未公開）；
• 出力 MP3、24 kHz サンプリングレート；料金 $22 / 1M 文字；
• Flash 版：超低レイテンシバリアント、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 — コーディングアシスタント（開発者への影響が最も直接的）

• コンテキスト 256K tokens、高頻度利用向け低レイテンシ・低コスト推論；
• 組み込み済み GitHub Copilot（CLI 含む）、VS Code、GitHub Actions；
• 料金：$0.75 / 1M 入力 tokens、$4.5 / 1M 出力 tokens；
• SWE-Bench 51%、Claude Haiku 4.5 を上回り、速度・コスト優位。

FrontierNews.ai の評価：7 モデル中、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待ち不要で、本日 VS Code で動いています。

Satya Nadella は発表会で 「dream machine」と称しました。開発者向けコンパクトデスクトップで、核心はクラウド AI 算力をデスクトップへ移すことであり、「Token 従量課金」モデルに直接挑戦します。

開封即利用のプリインストール環境：WSL 2（ネイティブ GPU パススルー + CUDA）、Visual Studio Code + GitHub Copilot、PowerShell 7（デフォルト Shell）、Python、Node.js、Git、NVIDIA CUDA/cuDNN、AI Toolkit for VS Code、Windows ML、Microsoft Foundry CLI。

何が動くか？ローカルで 120B+ パラメータモデル（Llama 4、Qwen 3 等）を実行；1M token コンテキストでもスムーズな対話；クラウド GPU インスタンスが必要だった規模の Fine-tune も可能。

発売情報：2026 年秋に米国で発売；Microsoft.com 公式サイトのみ；価格未発表；消費者も購入可能（企業限定ではない）。ローカルで 120B モデルを走らせれば OpenAI/Anthropic への API 課金が不要 — 高速イテレーション開発者と厳格なデータ residency 企業にとって重要です。

Mustafa Suleyman は Build 2026 で率直に述べました。

「目標は、世界トップ 4 大 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が、それが Microsoft に来た理由 — 世界最高のフロンティアモデルを、完全マルチモーダルで、ゼロから構築します。」

現在広く認知されている「トップ 3」は Google DeepMind、OpenAI、Anthropic です。Microsoft が自らその外にいると公言したこと自体が重大な戦略シグナルです。

既に達成していること（客観的優位）：

• 独立学習能力：MAI-Thinking-1 は蒸留なし、ゼロから完了；
• マルチモーダルカバレッジ：テキスト推論、画像、音声、文字起こし、コーディングを網羅；
• エンタープライズデータセキュリティ：商用ライセンスデータ、重み管理可能、Azure データ residency；
• コスト競争力：同等タスクで GPT-5.5 比 10 倍低コストとされる；
• 製品配信チャネル：GitHub Copilot（数千万開発者）、M365、Teams；
• MAI-Code-1-Flash 本番稼働中、開発者が既に利用。

まだ追いついていないギャップ：

• SWE-Bench Pro：MAI-Thinking-1（52.8%）vs Claude Opus 4.8（69.2%）— 約 16% の差；
• モデル更新速度：Anthropic は Opus 4.8、OpenAI は GPT-5.6；Microsoft は第 1 世代が今出たばかり；
• 学習インフラ：自社算力構築中、Google TPU・NVIDIA H100 クラスターとの差；
• エコシステム成熟度：Claude Code、OpenAI Codex の蓄積が先行；
• MAI-Thinking-1 はプライベートプレビューで、一般開発者はアクセス不可。

真の局面転換：Microsoft は次の一手を打っています — AI 競争を「どのモデルが最強か」から「どのシステムが最も使いやすいか」へシフト：

• MAI-Code-1-Flash を GitHub Copilot に内蔵、7,500 万開発者が毎日 Microsoft モデルを利用（モデル名を知らなくても）；
• Surface RTX Spark Dev Box で「ローカル AI 主権」をハードウェア製品化；
• 企業データを Azure 内に安全に保持し MAI Fine-tune 可能 — 「データフライホイール」を掌握。OpenAI/Anthropic API 利用企業のデータは競合を強化する側に流れる。

短中長期判断：

• 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；第 1 世代 MAI は利用可能だが最強ではない；
• 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が加速；Azure 配信 + GitHub エコシステムで「トップ 4」入りの現実的チャンス；
• 核心洞察：勝負は必ずしも benchmark 最高値ではなく、開発者ワークフロー・企業データ主権・ハードウェア側でどれだけ摩擦点を制御できるか — この層では Microsoft の優位性は benchmark より複製困難。

MAI モデルは OpenRouter、Fireworks AI、Baseten でも呼び出し可能（Build 2026 発表）で、これらのプラットフォームで重みを直接 Fine-tune できます。

6 ステップ接続ガイド（MAI-Code-1-Flash API を例に）：

1. Azure OpenAI リソースを作成：Azure Portal にログインし、対象リージョンで Foundry 対応 OpenAI サービスインスタンスを作成します。
2. MAI-Code-1-Flash をデプロイ：Azure AI Foundry Model Catalog でモデルを選択し、デプロイエンドポイントを作成します。
3. API Key と Endpoint を取得：リソースの「キーとエンドポイント」ページから Key と HTTPS エンドポイント URL をコピーします。
4. API バージョンを設定：2026-05-01 または Foundry ドキュメント記載の最新プレビューバージョンを使用します。
5. OpenAI SDK で呼び出し：下記 Python 例のとおり、model パラメータに mai-code-1-flash を指定します。
6. MAI-Thinking-1 プライベートプレビューを申請：Microsoft Foundry の Model Catalog で「MAI-Thinking-1」を検索しアクセス申請を提出します。公開プレビューは数週間以内の見込みです。

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)

引用可能なハードデータ（EEAT）：

• MAI-Thinking-1 活性パラメータ：スパース MoE 総パラメータ ~1T、推論時活性化 35B のみ、推論コストは密な大規模モデルより大幅に低い
• MAI-Transcribe-1.5 速度：276× リアルタイム、料金 $0.36/音声時間
• MAI-Code-1-Flash 料金：入力 $0.75/1M tokens、出力 $4.5/1M tokens、SWE-Bench 51%
• Surface RTX Spark Dev Box：128GB ユニファイドメモリ、1 PFLOPS、100W TDP、ローカル 120B+ パラメータモデル実行可
• Microsoft OpenAI 累計投資：過去 7 年 130 億ドル超；2025 年末新契約で自前学習規模制限を撤廃

FAQ クイックリファレンス：

• MAI-Thinking-1 は今使えますか？現在プライベートプレビューで、Azure Foundry で申請が必要です。公開プレビューは数週間以内の見込みです。
• 本当に Claude Opus 対標ですか？宣伝は「Opus 4.6 対標」ですが、技術レポートは Sonnet 4.6 帯域です。現行 Opus 4.8 の SWE-Bench Pro 69.2% vs MAI-Thinking-1 52.8% で、差は約 16% です。
• Surface RTX Spark Dev Box の価格は？未発表です。2026 年秋に米国 Microsoft.com で発売予定です。
• 開発者が今使えるモデルは？MAI-Code-1-Flash、MAI-Image-2.5、MAI-Transcribe-1.5、MAI-Voice-2 は本番稼働中。MAI-Thinking-1 はプライベートプレビュー申請が必要です。
• Azure で MAI と OpenAI モデルは共存できますか？はい。同一 Foundry ワークスペースで MAI と GPT-5.6 を同時呼び出し可能です。
• MAI-Code-1-Flash と GitHub Copilot の関係は？Copilot バックエンドモデルの一つ（CLI と VS Code インライン提案）になり、設定変更不要です。
• OpenAI との核心的な違いは？データ所有権 — Azure 内で MAI を Fine-tune するデータは環境から出ず、Microsoft 基盤モデル学習に使われないと約束。金融・医療・法務顧客にとって重要です。

参考リンクと情報ソース（公開後にリンクを再確認してください）：

Microsoft AI — Introducing MAI-Thinking-1

MAI-Thinking-1 Technical Report (PDF)

Microsoft Build 2026 MAI Keynote Transcript

New MAI models in Microsoft Foundry

Surface RTX Spark Dev Box — Microsoft Devices Blog

The Verge — Microsoft and OpenAI broke up

VentureBeat — Microsoft AI chief on OpenAI contract

純クラウド MAI API と Surface Dev Box ローカル推論にはそれぞれ弱点があります。ノート PC では 7×24 常駐 Agent ゲートウェイを維持できず、共有インスタンスでは複数開発者が GPU を奪い合いコンテキスト汚染が起き、Windows 開発機のスリープは長時間 Fine-tune を中断します。GitHub Copilot CLI、マルチ Agent オーケストレーション、iOS CI/CD パイプラインを安定稼働させる本番環境には、CALMVPS ベアメタル Mac Mini レンタルが独占 Apple Silicon、120 秒デプロイ、月額柔軟課金を提供します。独立ノードに Azure Foundry キーと Copilot ワークフローを設定すれば、インフラ全体を再構築せず 7×24 でコーディング・Agent タスクを受け付けられます。料金プランで月額档位をご確認ください。