（本文作者为 硅谷 Tech news，钛媒体经授权发布）
Related articles
4 月 15 日，微软正式发布 MAI-Image-2-Efficient，这是其旗舰文生图模型 MAI-Image-2 的低成本、高速度变体。新模型定价为每百万输入 token 5 美元、每百万输出图像 token 19.5 美元，较 MAI-Image-2 的 33 美元输出定价下降约 41%。
微软声称，该模型在 NVIDIA H100 硬件上运行速度快 22%，每 GPU 吞吐量效率提升 4 倍，延迟表现优于谷歌 Gemini 3.1 Flash、Gemini 3.1 Flash Image 及 Gemini 3 Pro Image 三款模型平均 40%（基于 p50 中位数基准测试）。
这是微软 AI 超级智能团队 （MAI Superintelligence team） 自 2025 年 11 月公开亮相以来推出的一整套模型矩阵中的最新成果，也是该团队首次实现旗舰模型发布后不到一个月即推出优化变体的“ 初创公司式” 迭代节奏。而这一切的背后，是微软与 OpenAI 曾经定义生成式 AI 时代的合作伙伴关系正在出现明显裂痕。
双模型策略：Efficient 与 Flagship
微软将 MAI-Image-2-Efficient 定位为“ 生产线工具”，目标场景包括产品摄影、营销创意、UI 样机、品牌资产管道和实时交互应用。该模型能够干净地处理标题和标签等短文本，适用于批处理环境的严格延迟和预算约束。
而 MAI-Image-2 则继续担任“ 精密仪器” 角色—— 当需求涉及最高级别的照片级真实感、复杂风格化 （如动漫或插画） 或更长更复杂的图像内文字时，企业客户仍需选择旗舰模型。
这种分层配对策略并非微软首创。OpenAI 的 GPT 模型梯队、Anthropic 的 Haiku-Sonnet-Opus 产品线、谷歌的 Flash-Pro 区分，都采用了类似的定价逻辑。但在图像生成领域，单张图像的成本经济学可能决定规模化部署的成败。
据报道，该模型已在 Arena.ai（原 LMArena） 图像生成排行榜上位列第三，仅次于谷歌 Gemini 3.1 Flash 和 OpenAI 的 GPT Image 1.5。评测者指出，MAI-Image-2 的照片真实感是“ 真正的优势”，文字渲染能力“ 超出预期地一致处理复杂排版”。在某些直接对比中，MAI-Image-2 甚至在图像质量和文字渲染上超越 OpenAI 的 GPT Image 1.5—— 尽管在排行榜上仍居其后。
但原模型也存在显著限制：生成间隔 30 秒冷却时间、原生界面每日 15 张上限、仅支持 1:1 宽高比、缺乏图生图功能，以及会屏蔽无害创意提示的激进内容过滤。此次 Efficient 版本是否继承或放宽这些限制，微软在公告中未予说明。
微软-OpenAI 联盟松动
但这次发布不能孤立理解，特别是当下微软与 OpenAI 关系已经出现明显裂痕。
4 月 12 日，OpenAI 新任首席营收官 Denise Dresser 向员工发送了一份内部备忘录。据报道，备忘录在批评竞争对手 Anthropic 的同时，也提到“ 我们与 Microsoft 的合作是我们成功的基础，但它也限制了我们在企业所在的地方与他们相遇的能力，对很多企业来说，那个地方是 Bedrock”。备忘录称，自 2 月底宣布与 Amazon 合作以来，来自客户的入站需求“ 坦率地说令人震惊”。
微软早在 2024 年 7 月底的年度报告中 （10-K 表格） 已将 OpenAI 列入竞争对手名单。而 OpenAI 则通过 CoreWeave、谷歌和甲骨文多元化其云基础设施，减少对微软 Azure 的依赖。
MAI 模型家族是微软这一战略脱钩最具体的表达。当微软能够以每百万输出 token 19.5 美元的成本用自研模型生成生产级质量图像时，继续授权 OpenAI 图像模型并与其分享收入的算盘就会发生戏剧性转变。每一个达到生产质量的 MAI 模型，都是微软可能从 OpenAI 资产负债表移至自己账下的项目。
此前，3 月 17 日，据微软官方博客披露的全面重组中，将消费者和商业 Copilot 业务统一至单一领导团队，Jacob Andreou 升任 Copilot 执行副总裁直接向纳德拉汇报。关键的是，Mustafa Suleyman（微软 AI CEO，主导组建 MAI 超级智能团队） 的角色也被重新聚焦。纳德拉在给员工的信中写道，公司正在“ 加倍投入超级智能使命，用人才和算力构建在评估、成本削减 （COGS reduction） 和前沿推进方面产生实际产品影响的模型”。
“COGS reduction” 这一企业黑话直指经济动机：每节省一美元授权费用，就直接流入毛利率，即降低每生成一张图所消耗的算力、推理和运营费用。
为什么便宜快速的图像生成至关重要
还有一个维度让此次发布具有战略意义，且可能是最重要的一个：AI Agent 的崛起。
据报道，微软正在测试将类似 OpenClaw 的功能集成到 Microsoft 365 Copilot 中，构建可长时间执行多步骤任务的 always-on agent。公司已推出 Copilot Cowork（在 Microsoft 365 应用内行动的 agent）、Copilot Tasks（完成多步骤个人生产力任务的 agent） 和 Agent 365（纳德拉重组备忘录中提及）。预计将在 6 月的 Build 大会上展示这些 agent 能力。
在 Agent 世界——AI 系统不仅回答问题，还能自主执行复杂工作流—— 图像生成成为 agent 可编程调用的基础组件，而非用户手动交互的独立产品。一个构建营销活动的企业 agent 可能需要生成数十张产品图片、创建社交媒体素材、制作演示图形，并在无人干预的情况下迭代设计概念。
这种工作流的经济学完全由 per-token pricing（按 token 计费） 和延迟支配，而这正是 MAI-Image-2-Efficient 优化的核心。如果微软对 Copilot 的愿景涉及在日常大型工作流中例行调用图像生成的 agent，那么这些 agent 需要的图像生成必须足够快以不造成瓶颈、足够便宜以在每天数千次调用时不破坏成本预测。
4 倍效率提升和 41% 价格削减不只是漂亮的营销数字—— 它们是微软押注公司的 Agent 未来的架构要求。
此次发布仍有若干关键问题未解答。
微软未披露 MAI-Image-2-Efficient 是否解决了评测者在原模型中指出的宽高比限制和激进内容过滤。公司也未说明质量与速度的权衡是否在复杂提示下涉及可见的质量下降—— 公告中将“ 生产就绪质量” 和“ 旗舰质量” 互换使用，但任何类型的蒸馏模型通常都涉及某种质量让步。
MAI Playground 目前仅在美国等选定市场可用，欧盟可用性列为“coming soon”。Copilot 集成正在进行但未完成。通过 Foundry 的企业 API 虽已上线，仍处于早期部署阶段。
但轨迹明确无误。在 MAI 超级智能团队宣布后不到五个月，微软已推出一个旗舰图像模型、三个其他基础模型，以及现在的成本优化生产变体—— 所有这些都在重组整个 Copilot 组织、应对与最重要 AI 合作伙伴的破裂关系、并为可能重新定义企业生产力的 Agent 功能奠定基础的同时完成。
对于这家在生成式 AI 时代前两年主要转售他人技术的公司而言，微软现在正在做一些它很久未在 AI 领域做过的事：按照自己的时间表、以自己的价格、交付自己的工作—— 并挑战市场跟上。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 秦聪慧）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
