2026 MICROSOFT
MAI_7_
MODELS_
BUILD.
リード：Azure 上でエンタープライズ AI を運用している方、VS Code で GitHub Copilot を使っている方、あるいは「OpenAI API を継続するか自研スタックへ移行するか」を検討中の方にとって、Build 2026 の MAI 7 モデルマトリクスは選定表を直接書き換える出来事です。本記事では調査素材の全要点を網羅します。7 モデルのパラメータと価格、MAI-Thinking-1 ベンチマークの真の意味、Surface RTX Spark Dev Box のハードウェア仕様、開発者向け接続ガイド、OpenAI/Anthropic に追いつけるかの 7 次元分析、完全 FAQ と意思決定マトリクスまで、丁寧に解説いたします。
30 秒で把握 · TL;DR
| 発表 | Build 2026 · Microsoft 初の自研「頭脳」フルスタック（MAI 7 モデル + Dev Box） |
| フラッグシップ | MAI-Thinking-1：35B 活性化 MoE、256K コンテキスト · SWE-Bench Pro 52.8%（Sonnet 4.6 に近い水準、現行 Opus 4.8 ではない） |
| 利用可能 | MAI-Code-1-Flash は GitHub Copilot / VS Code で稼働中 · 画像・転写・音声は Foundry で利用可能 |
| ハードウェア | Surface RTX Spark Dev Box：128GB ユニファイドメモリ、1 PFLOPS、ローカルで 120B+ モデル · 2026 年秋に米国発売 |
| 戦略 | Microsoft は OpenAI からの独立自研路線が始まったと宣言 · 世界四大 AI ラボ入りを目指す |
1. 痛点の整理：3 つの読者層がまず確認すべきこと
- 「Opus 並み」はマーケティングか事実か？——キーノートでは SWE-Bench Pro と Claude Opus 4.6 の接近が強調されましたが、技術レポートの実際の表現は competitive with Sonnet 4.6 です。現行フラッグシップ Opus 4.8 は 69.2%、MAI-Thinking-1 は 52.8% で、差は約 16% あります。
- 「今日から使える」のはどのモデルか？——MAI-Code-1-Flash は Copilot に組み込み済みです。MAI-Thinking-1 はプライベートプレビュー中であり、一般開発者は Foundry へのアクセス申請が必要です。
- 「自研」はコストとデータ主権に何を意味するか？——MoE アーキテクチャにより推論コストは密な大規模モデルより大幅に低くなります。Azure 内 Fine-tune のデータはテナント外に出ず、OpenAI API のデータ条項とは対照的です。
2. 背景：Microsoft がなぜ自研モデルに踏み切ったのか
過去 7 年間、Microsoft は OpenAI に累計 1,300 億ドル超を投資し、Azure 上の GPT モデルは AI 戦略の中核となってきました。しかし深い依存は 3 つのリスクをもたらします。
- コストの制御不能：API 呼び出しのたびに OpenAI へ支払いが発生し、規模が拡大するほど利益率が薄くなります。
- 技術主権の欠如：モデル反復のペース、データソース、重みの所有権をコントロールできません。
- 契約上の制限：旧契約では Microsoft の大規模モデル自前訓練が明示的に制限されていました。
転換点は 2025 年末です。双方が再交渉し、新契約でモデル規模制限が撤廃され、Microsoft は「スーパーインテリジェンス」への独立追求が認められました。Microsoft AI 責任者 Mustafa Suleyman は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、自社の IP・自社のデータ・自社の計算資源でスーパーインテリジェンスを追求することが許可されました。これは非常に初期段階の始まりです。」
Build 2026 は、Microsoft が世界にこの「自研の頭脳」を初めて公開した場です。
3. MAI 7 モデルを逐一解説
Build 2026 で発表された 7 モデルは、推論・画像・転写・音声・コーディングの全スタックをカバーします。以下、主要モデルを順に整理いたします。
3.1 MAI-Thinking-1 — 推論フラッグシップ
一言で言えば：Microsoft 初の推論モデルであり、エンタープライズ向けコーディングと数学推論を主眼に、コストパフォーマンスを優先した設計です。
| パラメータ | 数値 |
|---|---|
| アーキテクチャ | スパース MoE（Mixture of Experts） |
| 活性化パラメータ | 35B（推論時に活性化される部分のみ） |
| 総パラメータ | 約 1T（1 兆） |
| コンテキストウィンドウ | 256K tokens |
| 訓練方式 | ゼロからの事前学習、第三者蒸留なし |
| データ | エンタープライズ向け clean data、商用ライセンス、トレーサビリティあり |
| 現状 | Azure Foundry プライベートプレビュー（申請可能） |
スパース MoE の意味は明確です。推論時に 35B パラメータのみが活性化されるため、GPT-5.5 や Claude Opus などの密な大規模モデルより遥かに小さく、推論コストが大幅に低い点が最大の差別化要素です。
ベンチマーク成績
| ベンチマーク | MAI-Thinking-1 | 備考 |
|---|---|---|
| SWE-Bench Pro | 52.8% | Microsoft は「Claude Opus 4.6 並み」と主張（下記分析参照） |
| SWE-Bench Verified | 73.5% | — |
| AIME 2025 | 97.0% | 競技数学 |
| AIME 2026 | 94.5% | 更新問題セット、記憶効果の防止 |
| LiveCodeBench v6 | 87.7% | リアルタイムプログラミング問題 |
| 人間ブラインドテスト（vs Claude Sonnet 4.6） | 勝利 | 1,276 タスク、Surge による独立評価 |
⚠️ ベンチマークデータの真の意味（マーケティング表現に惑わされないために）：
- 技術レポートの実際の表現は "competitive with Sonnet 4.6 across a wide range of benchmarks" です（Sonnet は Anthropic のミドルレンジモデルであり、フラッグシップ Opus ではありません）。
- 比較対象のバージョンが古い：現行 Anthropic フラッグシップは Claude Opus 4.8（SWE-Bench Pro 69.2%）ですが、Microsoft が選んだのは 2 世代前の Opus 4.6（53.4%）です。
- GPT-5.5 の SWE-Bench Pro は 58.6% であり、こちらも MAI-Thinking-1 を上回ります。
結論：MAI-Thinking-1 は競争力のあるミドルレンジ推論モデルであり、コスト効率が際立っています。ただし絶対性能は現行 Anthropic / OpenAI フラッグシップとの間にギャップが残ります。
3.2 MAI-Image-2.5 — テキスト生成画像 & 画像変換
一言で言えば：テキスト生成画像と画像変換の両方に対応する Microsoft 初の画像モデルであり、Arena.ai 画像編集ランキングで 第 2 位です。
- Text-to-Image：Arena.ai ランキング #3
- Image-to-Image：スタイル転送、局所編集
- Control with Preservation：編集時に元の意味構造を保持
- 統合済み：PowerPoint、OneDrive、Azure Foundry Model Catalog
| 入力タイプ | 標準版 | Flash 版 |
|---|---|---|
| テキスト入力 | $5 / 1M tokens | テキスト+画像 $1.75 / 1M |
| 画像入力 | $8 / 1M tokens | （上記に含む） |
| 画像出力 | $47 / 1M tokens | $33 / 1M tokens |
3.3 MAI-Transcribe-1.5 — 音声文字起こし
一言で言えば：世界 43 言語の音声転写に対応し、FLEURS ベンチマークで第 1 位、処理速度は競合の 5 倍以上です。
| 指標 | MAI-Transcribe-1.5 |
|---|---|
| 対応言語 | 43 言語（自動言語検出含む） |
| FLEURS 平均 WER | 4.9% |
| Artificial Analysis WER | 2.4%（総合第 3 位） |
| 処理速度 | 276× リアルタイム（1 時間の音声を秒単位で転写） |
| レイテンシ改善 | 1.4 版比で 5.7 倍向上 |
| 特色機能 | Contextual Biasing（キーワードバイアス） |
| 価格 | $0.36 / 音声時間あたり 1 時間 |
横並び比較では、FLEURS 43 言語ベンチマークで Scribe V2、Whisper-large-V3、GPT-4o-Transcribe、Gemini 3.1 Flash を上回ります。典型的な用途は Teams 会議記録、カスタマーサポート転写、Copilot 音声入力、バリアフリーツールです。
3.4 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の合成が可能
- 感情スタイル（Emotion Styles）：トーン、話速、感情表現を制御可能
- 言語カバレッジ：15 言語以上を新規追加
- 出力形式：MP3、24 kHz サンプリングレート
- 価格：$22 / 1M 文字 · Flash 版（超低レイテンシ）は「近日公開」
- 統合先：Azure Foundry、VS Code、Dynamics 365、Microsoft Copilot
3.5 MAI-Code-1-Flash — プログラミングアシスタント
一言で言えば：GitHub Copilot と VS Code 向けに深く最適化された推論効率型コーディングモデルであり、正式リリース済みです。
- コンテキストウィンドウ：256K tokens
- 組み込み済み：GitHub Copilot（CLI 含む）、VS Code、GitHub Actions
- 価格：入力 $0.75 / 1M tokens、出力 $4.5 / 1M tokens
- ベンチマーク：SWE-Bench 51%、Claude Haiku 4.5 を上回り、速度・コスト面で優位
FrontierNews.ai の評価によれば、7 モデルの中で MAI-Code-1-Flash は開発者の日常への影響が最も直接的なモデルかもしれません。プライベートプレビューを待つ必要なく、今日すでに VS Code 上で動作しています。
3.6 MAI-Code-1 — フル機能コーディングモデル
MAI-Code-1-Flash の上位版に位置づけられ、より複雑なリファクタリングやマルチファイル編集向けです。GitHub Copilot、VS Code、API 経由で利用可能であり、Foundry Model Catalog からも呼び出せます。
3.7 MAI-Image-2.5 Flash — 高速画像生成
MAI-Image-2.5 の低レイテンシ版です。テキスト+画像入力 $1.75 / 1M、画像出力 $33 / 1M tokens と、標準版より大幅に安価で、リアルタイム画像生成パイプライン向けに設計されています。
4. ハードウェア：Surface RTX Spark Dev Box
Satya Nadella はこれを "dream machine" と呼び、クラウド AI の計算力をデスクトップに持ち込む開発者向けマシンです。
| パラメータ | 仕様 |
|---|---|
| コアチップ | NVIDIA RTX Spark（Blackwell GPU + Grace CPU） |
| ユニファイドメモリ | 128GB（CPU + GPU 共有、zero-copy） |
| AI 演算能力 | 1 Petaflop（1,000 TFLOPS） |
| 消費電力 | 100W TDP |
| 筐体 | 陽極酸化アルミ、3D プリント、1,000 個の放熱穴 |
| OS | Windows 11 Pro（開発者向けプリコンフィグイメージ） |
プリインストール環境：WSL 2（GPU パススルー + CUDA）、VS Code + GitHub Copilot、PowerShell 7、Python、Node.js、Git、CUDA/cuDNN、AI Toolkit、Windows ML、Foundry CLI。
実行可能なワークロード：ローカルで 120B+ パラメータモデル（Llama 4、Qwen 3 など）、1M token コンテキスト、従来クラウド GPU が必要だった規模の Fine-tune。
販売情報：2026 年秋 · 米国 · Microsoft.com 限定 · 価格未発表 · 一般消費者も購入可能。
5. 核心問題：Microsoft は第一陣に追いつけるのか
Mustafa Suleyman は Build 2026 で率直に述べました。
「目標は、世界トップの四大 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、それが私が Microsoft に来た理由です——ゼロから、完全マルチモーダルな最高のフロンティアモデルを世界規模で構築します。」
現在の「三強」は Google DeepMind、OpenAI、Anthropic と広く認識されています。
5.1 すでに達成したこと
| 項目 | 評価 |
|---|---|
| 独立訓練能力 | MAI-Thinking-1 は蒸留なしでゼロから完了 |
| マルチモーダルカバレッジ | テキスト、画像、音声、転写、コーディングを全網羅 |
| 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、重みの制御、Azure データレジデンシー |
| コスト競争力 | 同等タスクのコストは GPT-5.5 比で最大 10 倍安いとされる |
| 製品配布チャネル | GitHub Copilot（数千万開発者）、M365、Teams |
| MAI-Code-1-Flash | リリース済み、開発者が既に利用中 |
5.2 まだ追いついていないギャップ
| 項目 | 現状 |
|---|---|
| SWE-Bench Pro フラッグシップ性能 | MAI-Thinking-1（52.8%）vs Opus 4.8（69.2%）— 約 16% の差 |
| モデル反復速度 | Anthropic は Opus 4.8、OpenAI は GPT-5.6 まで到達。Microsoft の第 1 世代は今出たばかり |
| 訓練インフラ | 自社計算基盤は建設中。Google TPU、NVIDIA H100 クラスターとの差は残る |
| エコシステムツールの成熟度 | Claude Code、OpenAI Codex の蓄積がより厚い |
| MAI-Thinking-1 | プライベートプレビュー中、一般開発者はアクセス不可 |
5.3 三強比較マトリクス
| 次元 | Microsoft MAI | OpenAI GPT-5.6 Sol | Anthropic Claude Opus 4.8 |
|---|---|---|---|
| SWE-Bench Pro | 52.8% | ~58.6%（GPT-5.5） | 69.2% |
| 推論コスト | 低（MoE） | 中 | 中高 |
| コンテキストウィンドウ | 256K | 1M | 200K |
| データ透明性 | 高 | 低 | 低 |
| エンタープライズ Azure 統合 | ネイティブ | パートナー経由 | パートナー経由 |
| ローカル推論ハードウェア | Dev Box（独占） | なし | なし |
| 現時点の利用可能性 | 一部プライベートプレビュー | 全面利用可能 | 全面利用可能 |
短期（1〜2 年）：純粋なモデル知能テストでは OpenAI / Anthropic フラッグシップに依然として後れを取ります。中期（3〜5 年）：Hill-Climbing Machine 訓練体系が成熟すれば反復速度は加速するでしょう。最も重要な洞察は、競争が「誰のベンチマークが最高か」ではなく「誰が開発者ワークフロー、エンタープライズデータ主権、ハードウェア側でより多くの摩擦点をコントロールできるか」へ移ることです——この層での Microsoft の優位性は、いかなるスコアよりも複製が困難です。
6. 開発者向け：5 ステップ接続ガイド
| モデル | 状態 | 接続方法 |
|---|---|---|
| MAI-Thinking-1 | プライベートプレビュー | microsoft.ai/models/mai-thinking-1 |
| MAI-Image-2.5 / Flash | 正式利用可能 | Azure Foundry Model Catalog |
| MAI-Transcribe-1.5 | 正式利用可能 | Azure Speech API |
| MAI-Voice-2 | 正式利用可能 | Azure Speech API |
| MAI-Code-1-Flash | 正式利用可能 | GitHub Copilot / VS Code / API |
| MAI-Code-1 | 正式利用可能 | GitHub Copilot / VS Code / API |
- Copilot バックエンドを確認する：VS Code を開き、Copilot のインライン提案が既に MAI-Code-1-Flash を使っている可能性があります。設定変更は不要です。
- Foundry ワークスペースを開設する：ai.azure.com にログインし、Model Catalog で MAI シリーズを検索します。
- MAI-Thinking-1 プレビューを申請する：Catalog 内でアクセス申請をクリックし、承認を待ちます。
- API 呼び出しを設定する：Azure OpenAI 互換エンドポイントを使用し、api_version は
2026-05-01を推奨します。 - ハイブリッドルーティングを評価する：同一 Foundry ワークスペースから MAI と GPT-5.6 を同時に呼び出し、タスク難易度に応じて階層化できます。
MAI モデルは OpenRouter、Fireworks AI、Baseten からも呼び出せます（Build 2026 で発表）。Azure 内 Fine-tune のデータは Microsoft の基盤モデル訓練に使われない点は、金融・医療・法律の顧客にとって重要な差別化要素です。
7. 深掘り事例：Azure 金融チームのハイブリッド MAI + Mac 開発フロー
ある地域銀行の技術チームは 2026 年 7 月に「MAI-Code-1-Flash + コンプライアンス審査チェーン」を試験導入しました。日常の Copilot インライン補完は MAI 経由（$0.75/$4.5 per 1M、GPT-5.6 Sol 入力より約 6.7 倍安価）とし、PII を含むコード審査スクリプトは Azure プライベート VNet 内で MAI-Thinking-1 プレビューを呼び出します（データはテナント外に出ません）。チームは MacBook Pro でフロントエンド開発を行い、夜間バッチの SWE-Bench スタイル回帰テストは リモート Mac mini M4 ノード 3 台で並列実行し、Xcode テストと Python コンプライアンススキャンを担当させました。本機は Copilot 対話と PR 承認のみを担います。
2 週間の結果：Copilot 提案の採用率は 41% から 48% に上昇しました（MAI-Code-1-Flash の低レイテンシが寄与）。API 請求は全 GPT-5.6 ルーティング比で約 62%削減されました。ただし SWE-Bench Pro サンプルの 15 件の複雑なリファクタリング ticket では、MAI-Thinking-1 の一次マージ率は 47% にとどまり、Opus 4.8 の 69% を下回りました。最終的にチームは「MAI デフォルト + Opus 最終審査」の二層ゲートを採用しました。この事例は、Microsoft の真の賭けが AI 競争を「誰のモデルが最強か」から「誰のシステムが最も使いやすいか」へ移すことにあることを裏付けています——IDE、CI/CD、会議転写、画像生成がすべて Azure テナント内の MAI で動き、独自データがフライホイールを形成します。
8. FAQ
Q1：MAI-Thinking-1 は今すぐ使えますか？
現在はプライベートプレビュー段階であり、Azure Foundry での申請が必要です。パブリックプレビューは数週間以内の公開が見込まれています。
Q2：MAI-Thinking-1 は本当に Claude Opus に匹敵しますか？
マーケティングでは「Opus 4.6 並み」とされていますが、技術レポートの実際の比較対象は Sonnet 4.6 です。Opus 4.8 の SWE-Bench Pro は 69.2%、MAI-Thinking-1 は 52.8% で、差は約 16% です。
Q3：Surface RTX Spark Dev Box の価格はいくらですか？
価格はまだ発表されていません。2026 年秋に米国の Microsoft.com で販売開始予定です。
Q4：開発者が今すぐ使える MAI モデルはどれですか？
MAI-Code-1-Flash、MAI-Image-2.5、MAI-Transcribe-1.5、MAI-Voice-2 は正式リリース済みです。MAI-Thinking-1 はプライベートプレビューの申請が必要です。
Q5：Azure 上で Microsoft MAI と OpenAI モデルは共存できますか？
はい。同一 Foundry ワークスペースから MAI と GPT-5.6 を同時に呼び出せます。
Q6：MAI-Code-1-Flash と GitHub Copilot の関係は？
MAI-Code-1-Flash は Copilot のバックエンドモデルの一つ（特に CLI と VS Code インライン提案）となっており、ユーザー側の設定変更は不要です。
Q7：Microsoft モデルと OpenAI モデルの核心的な違いは？
核心はデータ所有権です。Azure 内で Fine-tune した MAI のデータは環境外に出ないと約束されており、規制業界にとって極めて重要です。
9. 参考ソース
- Microsoft AI: Introducing MAI-Thinking-1
- MAI-Thinking-1 Technical Report (PDF)
- Build 2026 MAI Keynote Transcript
- New MAI models in Microsoft Foundry
- Surface RTX Spark Dev Box
- The Verge: Microsoft and OpenAI
- VentureBeat: Suleyman interview
データ基準日：2026 年 7 月 14 日。
10. まとめ：MAI は Windows/Azure の世界、Mac 開発者はリモートノードでグラフィックスと Apple スタックを補完
MAI ファミリーは Windows 11、Azure Foundry、VS Code、GitHub Copilotと深く結合しており、純粋な Windows/Azure チームにとっては天然のホームグラウンドです。しかし日常が Xcode、Swift、Final Cut、Mac 上の ComfyUI、Metal グラフィックスパイプラインである場合、あるいは Mac 上で MLX ローカルモデルと Copilot を並行運用する場合、本機のユニファイドメモリはすぐにボトルネックになります。純粋な Linux クラウドホストは API プロキシには使えますが、Apple ツールチェーンとグラフィックスワークフローへの対応は薄弱です。
より実用的なアーキテクチャは、Mac 本機で Copilot 対話と Apple エコシステム開発を担い、MAI API 負荷テスト、バッチ転写パイプライン、画像生成キュー、7×24 Agent ループを MACGPU リモート Mac mini M4 ノードに載せることです。Apple Silicon のユニファイドメモリは並列マルチモーダルタスクに適しており、SSH でオンデマンド起動・停止が可能です。本機の VS Code / Cursor と「フロント操作 + バックグラウンド算力」の二層構造を形成すれば、MAI のコスト優位を享受しつつ、Mac のグラフィックスと AI ワークフロー体験を損なう必要はありません。