1. はじめに
この記事を作成する背景は、Microsoft AI が自社開発する MAI シリーズが急速に増え、モデルごとに提供経路と成熟度が異なるためです。Foundry のカタログに並ぶ他社モデルや Phi と混同すると、本番利用できる範囲を見誤ります。
この記事の目的は、MAI モデルを領域別に整理し、性能主張・提供状態・価格・入手経路・実務上の使いどころを一次情報付きで判断できるようにすることです。Microsoft がモデルを内製する理由と Frontier Tuning は、Microsoft AI が MAI モデルを内製する理由 に分けました。
3 社横断の比較は OpenAI・Anthropic・Microsoft AI の現行モデルを徹底比較、Foundry 全体は Foundry Models のモデルの種類と機能 を参照してください。MAI の提供状態は、確認基準日が新しい本記事を優先します。
2. MAI と Phi、他社モデルの違い
Microsoft 関連のモデルは、実務上次の 3 系統に分けると理解しやすくなります。
| 系統 | 代表例 | 位置づけ |
|---|---|---|
| MAI シリーズ | MAI-Thinking-1、MAI-Code-1-Flash、MAI-Image-2.5、MAI-Voice-2 | Microsoft AI が内製するクローズドウェイトのモデル |
| Phi シリーズ | Phi-4、Phi-4-multimodal-instruct | オープンウェイトの小型モデル。ローカル実行・エッジ向け |
| カタログ経由の他社モデル | GPT-5.6 系、Claude、Mistral、Kimi | Foundry Models として提供される他社モデル |
Microsoft Learn は Microsoft モデルを MAI models、Phi models などのグループで列挙しています。[^learn-sold] 上表は読者向けの整理であり、Microsoft が定義する唯一の公式分類ではありません。MAI と Phi の開発方針まで含む比較は、前述の戦略記事で扱います。
3. MAI モデルファミリー一覧（2026-08-07 時点）
確認基準日: 以下の一覧は 2026-08-07 時点の確認結果です。記事全体の公開日と同日ですが、提供状態と価格は日次で変わりうるため、下表は時点情報として扱い、公式ページを正としてください。
| モデル | 領域 | 主な提供チャネル | 提供状態（確認基準日時点） |
|---|---|---|---|
| MAI-Thinking-1 | 推論・エージェント | Microsoft Foundry | Private preview[^mai-thinking] |
| MAI-Code-1-Flash | エージェンティックコーディング | GitHub Copilot（VS Code ほか） | GA[^gh-models] |
| MAI-Image-2.5 | 画像生成・編集 | Microsoft Foundry / MAI Playground | Public preview[^learn-sold] |
| MAI-Image-2.5-Flash | 画像生成・編集（高速） | Microsoft Foundry | Public preview[^learn-sold] |
| MAI-Image-2.5-Pro | 画像生成・編集（最高品質） | Microsoft Foundry | Public preview[^learn-sold] |
| MAI-Voice-2 | 音声合成（高品質） | Azure Speech（Foundry Tools） | Public preview[^learn-voice] |
| MAI-Voice-2-Flash | 音声合成（低遅延） | Azure Speech / Voice Live | Public preview[^learn-voice] |
| MAI-Transcribe-1.5 | 音声認識 | LLM Speech API | Public preview[^learn-transcribe] |
| MAI-Cyber-1-Flash | セキュリティ | MDASH（Microsoft のセキュリティ製品内） | 発表済み[^mai-cyber] |
Foundry と Microsoft 製品に加え、OpenRouter、Fireworks、Baseten での開発者向け提供も発表されています。[^mai-seven] 実際の利用可否、リージョン、価格はチャネルごとに確認してください。
4. MAI-Thinking-1 — フラッグシップの推論モデル
MAI-Thinking-1 は Microsoft AI の推論フラッグシップです。仕様と評価は次のとおり公表されています。[^mai-thinking]
| 項目 | 内容 |
|---|---|
| アーキテクチャ | 疎な Mixture of Experts。35B active パラメータ / 約 1T total |
| コンテキスト長 | 256K トークン（公式は「600 ページの文書が入る」と表現） |
| API 互換性 | Chat Completions API 互換。function calling、developer instructions に対応 |
| 数学推論 | AIME 2025 で 97.0%、AIME 2026 で 94.5% |
| ソフトウェア工学 | SWE-Bench Pro で Claude Opus 4.6 と互角と主張 |
| 人手評価 | Surge のプロ評価者による 1,276 タスクの盲検比較で Claude Sonnet 4.6 より選好 |
| 提供状態 | Microsoft Foundry で private preview |
注目すべきはサイズと性能のバランスです。35B active という推論フットプリントで、はるかに大きなモデルと同等のソフトウェア工学性能を主張しています。Microsoft AI はこの点を「モデルサイズが、高度なコーディング支援をどこに配置できるか、どれくらいの頻度で使えるか、例外的なタスクから日常のワークフローへ移せるかを決める」と説明しています。[^mai-thinking]
安全性の設計も特徴的です。MAI-Thinking-1 では「安全でない応答」と「不必要な拒否」を同じ報酬構成の中の等価な欠陥として扱い、能力向上と同じ強化学習インフラで安全性を学習させたと説明されています。[^mai-thinking] 過剰拒否を安全性の副作用として容認しない立場です。
技術詳細は Microsoft AI が公開しているテクニカルレポートで確認できます。[^mai-thinking-report]
5. MAI-Code-1-Flash — GitHub Copilot と共設計されたコーディングモデル
MAI-Code-1-Flash は、実務で最も遭遇しやすい MAI モデルです。GitHub Copilot の対応モデル一覧で Microsoft 提供・GA として掲載され、Auto model selection の対象にもなっています。[^gh-models]
以下はいずれも Microsoft AI 自身が公表した評価値であり、第三者による独立検証の結果ではありません。[^mai-code][^mai-seven]
- 5B active パラメータの軽量エージェンティックコーディングモデル。Microsoft AI は Claude Haiku 4.5 と同等クラスでより安価と説明
- GitHub Copilot の本番ハーネスで直接学習。周辺ツールとの相互作用を学習しているため、Copilot ワークフローに適合しやすい
- 適応的な解答長制御により、単純な要求では簡潔に、複雑な問題では推論予算を多く使う
公表されている評価値を整理すると次のようになります。
| 評価項目 | 公表内容 |
|---|---|
| SWE-Bench Pro | 51.2% 対 Claude Haiku 4.5 の 35.2%（+16 ポイント）[^mai-code] |
| SWE-Bench Verified | Claude Haiku 4.5 を上回る。加えて最大 60% 少ないトークンで難問を解決（具体値は非公表）[^mai-code] |
| SWE-Bench Multilingual / Terminal Bench 2 | いずれも Claude Haiku 4.5 を上回る（具体値は非公表）[^mai-code] |
| VS Code 本番（対 GPT-5.4 Mini / Claude Haiku 4.5） | コード受け入れ率 +10%、トークン使用量の中央値 -10%[^mai-frontier-curve] |
| 自社構築の敵対的ベンチマーク（186 問 / 34 カテゴリ） | 調整済み精度 85.8%。ただし Einstellung トラップなどの中核カテゴリは 50% を下回る[^mai-code] |
最終行が示すとおり、Microsoft AI は自ら限界も開示しています。GitHub Docs も MAI-Code-1-Flash について「継続的に改善されるモデルであり、新しいチェックポイントのリリースにより性能と挙動が時間とともに変化しうる」と注記しており、[^gh-models] 評価結果を固定的な前提にしない運用が必要です。
6. MAI-Image-2.5 ファミリー — 生成と編集を 1 モデルで扱う
画像領域は 3 つのバリエーションで品質・速度・コストのカーブを構成しています。
MAI-Image-2.5 は Arena の Image Edit リーダーボードで 2 位、text-to-image で 3 位という順位が発表されています。[^mai-image25] これは発表時点（2026-06-02）の順位です。 Arena 系リーダーボードは利用者投票で日々変動するため、現在の順位は変わっている可能性があります。Foundry での価格は次のとおりです。[^mai-image25][^mai-pro-flash]
| モデル | テキスト入力（100 万トークン） | 画像入力（100 万トークン） | 画像出力（100 万トークン） |
|---|---|---|---|
| MAI-Image-2.5-Pro | $5 | $8 | $106 |
| MAI-Image-2.5 | $5 | $8 | $47 |
| MAI-Image-2.5-Flash | $1.75 | $1.75 | $19.50 |
上記は発表ブログに記載された価格です。実際の契約単価、リージョン別価格、課金メーターは Foundry の価格ページで確認してください。
Microsoft Learn の仕様面では、3 モデルともコンテキスト長 32,000 トークン、出力は 1 枚、対応言語は英語、ツール呼び出しは非対応と記載されています。画像サイズは最小 768×768 ピクセル、総ピクセル数の上限は 1,048,576（1024×1024 相当）で、総ピクセル数の範囲内であれば片方の辺が 1024 を超えても構いません（例: 768×1365）。[^learn-sold]
日本語プロンプトや画像内の日本語テキスト描画については、Learn の対応言語が en のみと明記されているため、本記事では対応を断定しません。
製品への統合は進んでいます。Bing Image Creator は既定で完全に自社モデル化され、PowerPoint では image-to-image が本番稼働し GPT-Image-2 比で GPU コストを最大 84% 削減、OneDrive の主要な編集シナリオでも既定となり保存率が 26% 向上したと報告されています。[^mai-pro-flash][^mai-frontier-curve]
7. MAI-Voice-2 と MAI-Transcribe-1.5 — 音声の入口と出口
7.1 MAI-Voice-2 / MAI-Voice-2-Flash（音声合成）
MAI-Voice は Azure Speech（Foundry Tools）経由で提供される TTS ファミリーです。Learn では public preview と明記され、SLA なし・本番ワークロード非推奨と注記されています。[^learn-voice]
| 項目 | MAI-Voice-2 | MAI-Voice-2-Flash |
|---|---|---|
| 想定用途 | 長尺ナレーション、オーディオブック | リアルタイム音声エージェント、IVR |
| 言語 / ロケール | 15 言語・18 ロケール | 15 言語・18 ロケール |
| 音声クローン | instant voice cloning（gated） | instant voice cloning（gated） |
| 感情制御 | SSML による細粒度の感情制御 | SSML による細粒度の感情制御 |
| 統合経路 | Speech SDK（SSML） | Speech SDK（SSML）、Voice Live |
発表ブログ側では、5〜60 秒の参照音声によるゼロショット音声プロンプティング、同意ガードレール、Hindi-English や Spanish-English などのコードスイッチング対応、MAI-Voice-1 に対して 72% の選好率などが挙げられています。[^mai-voice2]
価格は公式のモデルページに明記されています。MAI-Voice-2 は 100 万文字あたり $22、MAI-Voice-2-Flash は 100 万文字あたり $15 です。[^mai-model-voice2][^mai-pro-flash] 発表ブログの「Flash は MAI-Voice-2 より 32% 安い」という相対表現とも整合します（$22 の 32% 引きは約 $15）。[^mai-pro-flash] ただしこれはモデルページの表示価格であり、Foundry / Azure Speech の契約単価やリージョン別価格との同一性は確認できていないため、課金設計時は Azure の価格ページを正としてください。
7.2 MAI-Transcribe-1.5（音声認識）
MAI-Transcribe は LLM Speech API 経由で使う音声認識モデルで、Learn では MAI Superintelligence チームによる開発と明記されています。こちらも public preview です。[^learn-transcribe] 価格はモデルページに 音声 1 時間あたり $0.36 と記載されています。[^mai-model-transcribe]
発表ブログの主張は次のとおりです。[^mai-transcribe15]
- FLEURS ベンチマークで 43 言語にわたりクラス最高の WER
- Artificial Analysis リーダーボードで WER 2.4%、3 位
- 1 時間の音声を 15 秒未満で文字起こし。長尺音声で最大 5 倍高速
- キーワードバイアス（Keyword Biasing）により FLEURS で WER を最大 30% 改善
実装上の制約は Learn 側が明確です。ダイアライゼーション（話者分離）は非対応、prompt-tuning は非対応で、フレーズリストと transcribe style は mai-transcribe-1.5 でのみサポートされます。音声ファイルは 300MB 未満の WAV / MP3 / FLAC です。[^learn-transcribe] ダイアライゼーションとネイティブのストリーミング API は今後の予定として発表ブログに記載されています。[^mai-transcribe15]
退役予定に関する重要な注意があります。旧世代の mai-transcribe-1 は **2026-08-20 に非推奨（Deprecated）**と Learn に明記されています。[^learn-transcribe] 本記事の確認基準日（2026-08-07）から 2 週間弱しかないため、読者がこの記事を読む時点では既に状態が変わっている可能性があります。旧モデルを使っている場合は移行を前提にしてください。
7.3 対応言語数の食い違いについて
MAI-Transcribe-1.5 の対応言語数は、公式情報の間で一致していません。
| 情報源 | 記載 |
|---|---|
| MAI-Transcribe-1.5 発表ブログ | 25 言語から 43 言語へ拡大[^mai-transcribe15] |
| Microsoft Learn の言語サポート表 | 個別の言語コード表で列挙[^learn-transcribe] |
| frontier performance curve のブログ | Dragon Copilot の多言語ワークフローで 58 言語[^mai-frontier-curve] |
58 言語という記述は Dragon Copilot というプロダクトのワークフロー全体を指す可能性があり、モデル単体の対応言語数と同義とは限りません。本記事ではどちらかに決め打ちせず、実装時は Learn の言語サポート表を確認するという保守的な扱いにします。
8. MAI-Cyber-1-Flash — Microsoft 初のサイバーセキュリティモデル
2026-07-27 に発表された MAI-Cyber-1-Flash は、MAI ファミリーの中で最も新しい領域です。前提として、CyberGym は実在ソフトウェアの脆弱性発見・再現能力を測るベンチマーク、MDASH は Microsoft AI が構築したマルチエージェント型の脆弱性特定・修復ハーネスです。[^mai-cyber]
以下はいずれも Microsoft AI 自身が公表した値です。[^mai-cyber]
| 項目 | 公表内容 |
|---|---|
| 系譜 | MAI-Thinking-1 系譜から派生した、コード寄りのコンパクトなセキュリティモデル |
| 提供形態 | 単体ではなく MDASH と組み合わせて提供 |
| CyberGym | MDASH + MAI-Cyber-1-Flash で 96%。Anthropic の Claude Mythos 5 を用いた構成比 +12 ポイント |
| コスト | 既存構成（GPT-5.4 + GPT-5.4 mini + GPT-5.3 codex の組み合わせ）比で 50% 削減 |
| 処理分担 | 全タスクの最大 90% を効率的に処理し、残りの難問を大型モデルへ回す設計 |
設計思想として重要なのは、これが単体モデルの勝負ではなくシステム設計の勝負である点です。Microsoft AI は「モデル・データ・ハーネスの 3 つが重要」と明示し、ハーネス側は 100 以上のエージェントを複数の主要モデルで構成していると説明しています。[^mai-cyber]
同時に Perception というエージェンティックセキュリティシステムも発表されています。[^mai-cyber] なお、MAI-Cyber-1-Flash の Foundry での単体提供可否、価格、リージョンは、確認できた公式情報からは特定できませんでした。未確認事項として扱います。
9. 実務でどう選ぶか
現時点の提供状態を踏まえると、MAI モデルの現実的な使いどころは次のように整理できます。
以下の図は、GitHub Copilot、Foundry、Azure Speech で開発者がモデルを選ぶ経路に限定しています。MAI-Cyber-1-Flash は MDASH 内での提供のみ確認できるため、選定フローから除外しています。[^mai-cyber]
判断の要点は 3 つです。
1. 開発者が GA のチャネルで選べるのは、現時点では GitHub Copilot の MAI-Code-1-Flash です。 Auto model selection の対象ですが、利用可否は Copilot のプラン、クライアント、組織のモデルポリシーに依存します。[^gh-models]
2. Foundry の画像・音声系は preview 前提で設計してください。 Learn は public preview に SLA がなく本番ワークロード非推奨と明記しています。[^learn-voice][^learn-transcribe] PoC や内部ツールから始め、GA 後の本番移行を織り込むのが安全です。
3. MAI-Thinking-1 を前提にした設計は避けてください。 private preview 段階であり、アクセス可否と価格が確定していません。[^mai-thinking] 汎用推論が必要なら、Foundry の他モデルで組んだうえで、ハーネスをモデル非依存にしておく方が現実的です。
10. 導入前に確認すべき未確認事項
公式情報から確認できなかった項目は、推測で埋めず導入前の確認事項として残します。
| 項目 | 確認状況 |
|---|---|
| MAI-Thinking-1 の一般提供時期・価格 | private preview とのみ公表[^mai-thinking] |
| 音声モデルの実際の契約単価 | 表示価格は確認済み。Foundry / Azure Speech の契約単価との同一性は未確認[^mai-model-voice2][^mai-model-transcribe] |
| MAI-Cyber-1-Flash の単体提供・価格 | MDASH 内での提供のみ確認[^mai-cyber] |
| MAI-Image-2.5 の日本語プロンプト対応 | Learn の対応言語は en のみで、日本語対応は未確認[^learn-sold] |
| MAI モデルのオープンウェイト提供 | 公式情報で確認できず、Phi と同じ扱いにはできない |
| リージョン別提供状況 | 変動するため Foundry のリージョン別ページで都度確認が必要 |
mai-transcribe-1 は 2026-08-20 に非推奨となる予定です。確認基準日から近いため、読者がこの記事を読む時点では状態が変わっている可能性があります。[^learn-transcribe]
11. まとめ
- MAI は Microsoft AI が内製するモデル群であり、Phi や Foundry 経由の他社モデルとは提供形態が異なります。
- 提供状態は、MAI-Code-1-Flash が GA、画像・音声系が public preview、MAI-Thinking-1 が private preview です。
- 価格と機能だけでなく、SLA、リージョン、対応言語、話者分離などの制約を用途ごとに確認する必要があります。
- 本記事の一覧と数値は 2026-08-07 時点の情報です。導入時は公式ページを正としてください。
12. 参考情報
- Microsoft AI Models
- Microsoft AI Blog
- 3 new world-class MAI models available in Foundry（Microsoft AI）
- MAI Playground
- Foundry Models sold by Azure（Microsoft Learn）
- Supported AI models in GitHub Copilot（GitHub Docs）
- Foundry Models のモデルの種類と機能
- OpenAI・Anthropic・Microsoft AI の現行モデルを徹底比較
- ローカル LLM × Azure エージェント：Phi-4 と Azure を組み合わせたコスト削減構成
- Microsoft AI が MAI モデルを内製する理由
本文の出典
[^mai-seven]: Microsoft AI, "Building a hill-climbing machine: Launching seven new MAI models" https://microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models/（2026-08-07 確認）。
[^mai-thinking]: Microsoft AI, "Introducing MAI-Thinking-1" https://microsoft.ai/news/introducing-mai-thinking-1/（2026-08-07 確認）。
[^mai-thinking-report]: Microsoft AI, "MAI-Thinking-1 technical report" https://microsoft.ai/pdf/mai-thinking-1.pdf（2026-08-07 確認）。
[^mai-code]: Microsoft AI, "Introducing MAI-Code-1-Flash" https://microsoft.ai/news/introducingmai-code-1-flash/（2026-08-07 確認）。
[^mai-image25]: Microsoft AI, "Introducing MAI-Image-2.5" https://microsoft.ai/news/introducing-mai-image-2-5/（2026-08-07 確認）。
[^mai-pro-flash]: Microsoft AI, "Introducing MAI-Image-2.5-Pro and MAI-Voice-2-Flash" https://microsoft.ai/news/introducing-mai-image-2-5-pro-and-mai-voice-2-flash/（2026-08-07 確認）。
[^mai-voice2]: Microsoft AI, "MAI-Voice-2" https://microsoft.ai/news/mai-voice-2/（2026-08-07 確認）。
[^mai-transcribe15]: Microsoft AI, "MAI-Transcribe-1.5: more accurate, context-aware, and built for production" https://microsoft.ai/news/mai-transcribe-1-5more-accurate-context-aware-and-built-for-production/（2026-08-07 確認）。
[^mai-model-voice2]: Microsoft AI, "MAI-Voice-2"（モデルページ、価格 $22 per 1M characters の記載）https://microsoft.ai/models/mai-voice-2/（2026-08-07 確認）。
[^mai-model-transcribe]: Microsoft AI, "MAI-Transcribe-1.5"（モデルページ、価格 $0.36 per hour of audio の記載）https://microsoft.ai/models/mai-transcribe-1-5/（2026-08-07 確認）。
[^mai-cyber]: Microsoft AI, "Introducing MAI-Cyber-1-Flash inside MDASH" https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/（2026-08-07 確認）。
[^mai-frontier-curve]: Microsoft AI, "Optimizing the frontier performance curve" https://microsoft.ai/news/optimizing-the-frontier-performance-curve/（2026-08-07 確認）。
[^learn-sold]: Microsoft, "Foundry Models sold by Azure" https://learn.microsoft.com/en-us/azure/foundry/foundry-models/concepts/models-sold-directly-by-azure（2026-08-07 確認）。
[^learn-voice]: Microsoft, "What is MAI-Voice (preview)?" https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-voices（2026-08-07 確認）。
[^learn-transcribe]: Microsoft, "MAI-Transcribe in LLM Speech API" https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe（2026-08-07 確認）。
[^gh-models]: GitHub, "Supported AI models in GitHub Copilot" https://docs.github.com/en/copilot/reference/ai-models/supported-models（2026-08-07 確認）。
