Microsoft Build 2026：7つのMAI自社モデルを発表 — OpenAIとAnthropicに追いつけるのか？

過去7年間、マイクロソフトは OpenAI に累計 130 億ドル超を投資し、Azure 上の GPT モデルは AI 戦略の中核を成しています。しかしこの深い依存には、3つのリスクが伴います。

• 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。
• 技術的主権の欠如：モデルの更新ペース、データソース、重みの所有権をコントロールできません。
• 契約上の制約：旧契約では、マイクロソフトが大規模モデルを自社訓練することを明示的に制限していました。

転換点は 2025 年末に訪れました。両社は再交渉を行い、新契約ではモデル規模の制限が撤廃され、マイクロソフトが独自に「スーパーインテリジェンス」を追求することが明確に認められました。マイクロソフト AI 責任者の Mustafa Suleyman は次のように述べています。

「私たちはおおよそ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。これは非常に初期の段階です。」

Build 2026 は、マイクロソフトがこの「自社開発の頭脳」の成果を世界に初めて公開した場でした。Suleyman は発表会でさらに明確に、マイクロソフトが世界トップ4の AI ラボの一つになれることを証明することが目標だと表明しました。現在、広く認められている「ビッグ3」は Google DeepMind、OpenAI、Anthropic であり、マイクロソフト自身もその中に入っていないことを公言しています。

MAI-Thinking-1 — 推論フラッグシップ

一言で言えば：マイクロソフト初の推論モデルで、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置き、コストパフォーマンスを優先しています。現状：Azure Foundry のプライベートプレビュー（申請可能）。

スパース MoE の要点は、推論時に 35B パラメータのみを活性化することです。GPT-5.5 や Claude Opus などの密な大規模モデルよりはるかに小さく、推論コストが大幅に低くなります。

ベンチマークデータの実際の意味（マーケティング表現に惑わされないでください）：

• 技術レポートの実際の表現は 「competitive with Sonnet 4.6 across a wide range of benchmarks」 です。Sonnet は Anthropic のミドルレンジモデルであり、フラッグシップの Opus ではありません。
• 現在の Anthropic フラッグシップは Claude Opus 4.8（SWE-Bench Pro 69.2%）です。マイクロソフトが比較対象としたのは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、コスト効率に優れていますが、絶対性能では現行の Anthropic / OpenAI フラッグシップとの差があります。

MAI-Image-2.5 — テキストから画像・画像から画像

マイクロソフト初のテキストから画像と画像から画像の両方に対応する画像モデルです。Arena.ai の画像編集ランキングで #2、テキストから画像では #3 にランクインしています。PowerPoint、OneDrive に統合済みで、Azure Foundry Model Catalog にも掲載されています。

• Text-to-Image：テキスト記述から高品質な画像を生成します
• Image-to-Image：参照画像に基づくスタイル転送、局所編集が可能です
• Control with Preservation：編集時に元の意味構造を保持します

MAI-Transcribe-1.5 — 音声からテキスト

世界 43 言語の音声転写に対応し、FLEURS ベンチマークで #1、処理速度は競合の5倍以上です。

FLEURS 43言語ベンチマークでは Scribe V2、Whisper-large-V3、GPT-4o-Transcribe、Gemini 3.1 Flash を上回ります。特色機能 Contextual Biasing により専門用語の精度が向上します。典型的な用途は Teams 会議記録、コールセンター転写、GitHub Copilot のコード注釈音声入力です。

MAI-Voice-2 — 多言語 TTS

• Zero-shot 音声クローン：数秒の参照音声を入力するだけで指定話者の声を合成できます
• 感情スタイル（Emotion Styles）：トーン、話速、感情の色合いを制御できます
• 言語カバレッジ：15 言語以上を新規追加
• 出力形式：MP3 音声、24 kHz サンプリングレート
• 料金：$22 / 1M 文字。Flash 版の超低レイテンシ変種は「近日公開」予定

Azure Foundry、VS Code、Dynamics 365、Microsoft Copilot に統合済みです。

MAI-Code-1-Flash — プログラミングアシスタント

GitHub Copilot と VS Code に最適化された推論効率重視のコーディングモデルで、すでに正式リリース済みです。7つの MAI の中で、開発者の日常に最も直接的な影響を与えるモデルかもしれません。

• 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
• 料金：$0.75 / 1M 入力 tokens、$4.5 / 1M 出力 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

さらに MAI-Code-1 も正式利用可能で、GitHub Copilot / VS Code / API から呼び出せます。

Satya Nadella は発表会でこれを 「dream machine」と呼び、クラウド AI の計算資源をデスクトップに持ち込む戦略的ハードウェアだと位置づけました。

プリインストール開発環境（開梱即利用）：WSL 2（ネイティブ GPU パススルー + CUDA 含む）、Visual Studio Code + GitHub Copilot、PowerShell 7、Python、Node.js、Git、NVIDIA CUDA/cuDNN、AI Toolkit for VS Code、Windows ML、Microsoft Foundry CLI。

実行可能なもの：ローカルで 120B 超のパラメータモデル（Llama 4、Qwen 3 など）、1M token コンテキストでの対話、クラウド GPU が必要だった規模のモデルの Fine-tune が可能です。

発売情報：2026 年秋、米国 Microsoft.com 公式サイトのみで販売。価格は未発表で、一般消費者も購入可能です（企業限定ではありません）。核心的なロジックは、120B モデルをローカルで動かす際に OpenAI/Anthropic への API 料金が不要になることです。

すでに達成していること

• 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：テキスト推論、画像、音声、転写、コーディングをすべてカバー
• 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、重みの管理、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 の1/10以下とされる
• 製品配布：GitHub Copilot（数千万の開発者）、M365、Teams
• MAI-Code-1-Flash：リリース済みで、開発者がすでに利用中

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 に到達。マイクロソフトは第1世代が出たばかり
• 訓練インフラ：自社計算資源は構築中で、Google TPU、NVIDIA H100 クラスターとの差がある
• MAI-Thinking-1 はまだプライベートプレビューで、一般開発者はアクセス不可

マイクロソフトは実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」へシフトさせることです。

• MAI-Code-1-Flash は GitHub Copilot に組み込まれ、7,500 万の開発者が毎日マイクロソフトのモデルを使っています。
• Surface RTX Spark Dev Box は「ローカル AI 主権」をハードウェア製品としてパッケージ化しています。
• エンタープライズデータは Azure 内に安全に留まり、MAI の Fine-tune に活用でき、「データフライホイール」を掌握できます。

短期（1〜2年）：純粋なモデル知能テストでは依然としてフラッグシップに遅れがあります。中期（3〜5年）：Suleyman チームの「Hill-Climbing Machine」訓練体系が成熟すれば、更新速度は加速するでしょう。この競争は必ずしも最高得点を取った者の勝ちではなく、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者の勝ちです。

MAI モデルは OpenRouter、Fireworks AI、Baseten からも呼び出せます（Build 2026 で発表）。Azure はマルチモデルプラットフォームであり、同一の Foundry ワークスペースで MAI と GPT-5.6 を同時に呼び出せます。

1. Azure アカウント登録と Foundry リソース作成：ai.azure.com にアクセスし、AI Foundry プロジェクトと OpenAI 互換エンドポイントを作成します。
2. Model Catalog で MAI モデルを有効化：MAI-Image-2.5、MAI-Code-1-Flash などを検索し、指示に従ってサーバーレスエンドポイントをデプロイします。
3. MAI-Thinking-1 プライベートプレビュー申請：Catalog で「MAI-Thinking-1」を検索し、アクセス申請を提出します。
4. API Key と環境変数の設定：Azure Portal でキーを取得し、AZURE_OPENAI_ENDPOINT と AZURE_OPENAI_API_KEY を設定します。
5. OpenAI SDK で MAI-Code-1-Flash を呼び出し：下記のコード例を参照してください。api_version は 2026-05-01 を使用します。
6. GitHub Copilot バックエンドの確認：MAI-Code-1-Flash は Copilot のバックエンドモデルの一つになりました（CLI と VS Code のインライン提案）。追加設定は不要です。API でレイテンシとコストを比較できます。

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)

引用可能な技術データ：

• MAI-Thinking-1 活性化パラメータ：35B（総パラメータ約 1T MoE）、推論コストは密なフラッグシップより大幅に低い
• MAI-Transcribe-1.5：276× リアルタイム速度、$0.36/音声時間あたり1時間、FLEURS WER 4.9%
• MAI-Code-1-Flash：$0.75/1M 入力 + $4.5/1M 出力、256K コンテキスト、SWE-Bench 51%
• Surface RTX Spark Dev Box：128GB 統合メモリ、1 PFLOPS、100W TDP、ローカル 120B+ モデル
• データ所有権の違い：MAI を Azure 内で Fine-tune したデータはテナント外に出ないことを約束。OpenAI API の Fine-tune データは一部の条項下でモデル改善に使用される可能性あり

Q: MAI-Thinking-1 は今使えますか？
A: 現在プライベートプレビューです。Azure Foundry で申請が必要です。パブリックプレビューは数週間以内に開始予定です。

Q: MAI-Thinking-1 は本当に Claude Opus に対抗できますか？
A: マーケティングでは「Opus 4.6 対標」と言っていますが、技術レポートの実際の比較対象は Sonnet 4.6 です。現在の Opus 4.8 の SWE-Bench Pro は 69.2%、MAI-Thinking-1 は 52.8% で、差は約16%です。

Q: Surface RTX Spark Dev Box の価格は？
A: 価格は未発表です。2026 年秋に米国 Microsoft.com で発売予定です。

Q: 開発者が今使えるのはどのモデルですか？
A: 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申請が必要です。

Q: MAI と OpenAI モデルは Azure で共存できますか？
A: はい。同一の Foundry ワークスペースで MAI と GPT-5.6 を同時に呼び出せます。

Q: MAI-Code-1-Flash と GitHub Copilot の関係は？
A: Copilot のバックエンドモデルの一つになりました。ユーザー側の設定変更は不要です。

「純粋なクラウド API」と「ローカル + クラウドのハイブリッド」案を検討している場合、よくある課題は次のとおりです。トークン課金は長コンテキストと高頻度 Agent シナリオでコストが制御不能になること、サードパーティ API のデータコンプライアンスと主権リスク、ローカル開発機のメモリ不足で 70B 超モデルのオフライン検証ができないことです。Surface RTX Spark Dev Box はローカル主権を指向していますが、7×24 の安定した macOS 環境で Agent、CI、マルチモーダルパイプラインを動かすチームにとっては、専有の計算資源とネットワークがより重要です。

AI Agent とマルチモーダル開発により安定した本番環境を求める場合、JEXCLOUD マルチリージョン裸金属 Mac がより適した選択肢です。専有の Apple Silicon 統合メモリ、オーバーセルによるジッターなし、長時間接続とローカルモデル検証に対応し、120 秒でデプロイできます。ノードと価格の詳細は JEXCLOUD 料金ページをご覧ください。