قدرت‌نمایی مایکروسافت در Ignite 2026؛ رونمایی هم‌زمان از هفت مدل هوش مصنوعی جدید با عملکرد پیشرفته و هزینه کمتر

زمان مطالعه: 4 دقیقه

مایکروسافت در کنفرانس Ignite 2026 از خانواده‌ای متشکل از هفت مدل جدید هوش مصنوعی در حوزه‌های برنامه‌نویسی، امنیت سایبری، تولید و ویرایش تصویر، پردازش صوت، رونویسی و تصمیم‌گیری رونمایی کرد. این مدل‌ها با هدف ارائه عملکردی نزدیک به مدل‌های پیشرفته بازار، اما با هزینه محاسباتی و عملیاتی بسیار کمتر توسعه یافته‌اند. رویکرد اصلی مایکروسافت در این نسل از مدل‌ها، افزایش بهره‌وری هوش مصنوعی به‌ازای هر واحد هزینه و فراهم‌کردن امکان استفاده گسترده از عامل‌های هوشمند در فرایندهای واقعی کسب‌وکار است.

مایکروسافت معتقد است با افزایش چشمگیر مصرف توکن، سازمان‌ها به مدل‌هایی نیاز دارند که بتوانند به‌صورت شبانه‌روزی وظایف مهندسی و عملیاتی را انجام دهند، بدون آنکه هزینه استفاده از آن‌ها مانع توسعه و مقیاس‌پذیری شود. به همین دلیل، مدل‌های جدید به‌صورت تخصصی برای وظایف مشخص طراحی شده‌اند و قرار است در کنار ابزارها، محصولات و لایه‌های ارکستراسیون موجود فعالیت کنند.

مدل‌های جدید برنامه‌نویسی و امنیت سایبری

یکی از مهم‌ترین محصولات جدید، MAI Cyber 2 Flash است؛ مدلی تخصصی برای امنیت سایبری که با ۱۲ میلیارد پارامتر فعال توسعه یافته است. به گفته مایکروسافت، این مدل در بنچمارک CyberGymE2E کیفیتی بالاتر از GPT-6 Astra ارائه می‌دهد، درحالی‌که هزینه اجرای هر وظیفه آن کمتر از ۲ درصد هزینه مدل مذکور است.

این مدل باتکیه‌بر داده‌های اختصاصی چند دهه‌ای مایکروسافت و تخصص این شرکت در حوزه امنیت سایبری توسعه یافته است. هدف از طراحی آن، کمک به مدافعان امنیت سایبری برای مقابله با تهدیدهایی است که در آن‌ها مهاجمان به ابزارهای تهاجمی ارزان و دردسترس، دسترسی دارند. مایکروسافت تأکید می‌کند امنیت، هم‌راستاسازی (Alignment) و مهار (Containment) از اولویت‌های اصلی توسعه عامل‌های هوشمند در سال ۲۰۲۷ و پس از آن هستند؛ زیرا سازمان‌ها به عامل‌هایی نیاز دارند که بتوانند سامانه‌های عملیاتی را به‌صورت شبانه‌روزی پایش و آسیب‌پذیری‌های آن‌ها را برطرف کنند.

در حوزه برنامه‌نویسی، مایکروسافت دو مدل MAI Code 2 و MAI Code 2 Flash را معرفی کرده است. مدل MAI Code 2 برای وظایف روزمره برنامه‌نویسی سازمانی طراحی شده و در چهار بنچمارک DeepSWE 1.1، Terminal Bench 2.1، SWE-Atlas و FrontierCode v1.1، به طور میانگین ۹۸ درصد عملکرد GPT-6.1 Sol را با حدود ۴۰ درصد هزینه آن ارائه می‌دهد. همچنین عملکرد آن به ۹۶ درصد Claude Opus 5.5 می‌رسد، درحالی‌که تنها ۵ درصد هزینه این مدل را دارد.

این مدل برای اولویت‌های رایج برنامه‌نویسان سازمانی، به‌ویژه وظایفی که در GitHub Copilot انجام می‌شوند، بهینه‌سازی شده است. بااین‌حال، مایکروسافت تصریح می‌کند که MAI Code 2 هنوز برای مسائل دشوارتری مانند پژوهش‌های بنیادی علمی و وظایف عامل‌محور بسیار طولانی‌مدت بهینه نشده است. تولید داشبورد و مصورسازی داده نیز از قابلیت‌های موردتوجه این مدل است.

مدل MAI Code 2 Flash نیز برای وظایف پرتکرار و روزمره، ازجمله توضیح کد، ویرایش‌های محدود، اصلاح خطاهای معمول و تکرار سریع فرایند توسعه طراحی شده است. این مدل در سه بنچمارک مرتبط با برنامه‌نویسی روزمره، عملکردی قابل‌مقایسه با GPT-6 Luna با ۶۵ درصد هزینه و Claude Haiku 5.5 با ۲۰ درصد هزینه ارائه می‌دهد.

مدل‌های تولید تصویر، پردازش صوت و رونویسی

در حوزه تصویر، MAI Image 2.7 به‌عنوان مدل جدید مایکروسافت برای تولید و ویرایش تصاویر معرفی شده است. این مدل در رتبه‌بندی Artificial Analysis برای ویرایش تصویر جایگاه نخست را کسب کرده و عملکردی بهتر از GPT Image 2.6 Sunburst (max) با یک‌پنجم هزینه آن ارائه می‌دهد. در تولید تصویر از متن نیز رتبه چهارم را به دست آورده است که مایکروسافت آن را جایگاه دوم در میان آزمایشگاه‌های توسعه‌دهنده مدل‌های هوش مصنوعی می‌داند.

نسخه MAI Image 2.7 Flash نیز برای سناریوهای پرتعداد طراحی شده و هزینه تولید حدود ۱۰ دلار به‌ازای هر هزار تصویر را ارائه می‌دهد. هر دو مدل از طریق Microsoft Foundry در دسترس هستند.

مدل MAI Realtime 1 نخستین مدل گفتاربه‌گفتار زنده مایکروسافت است که برای مکالمات طبیعی با تأخیر کم توسعه یافته است. این مدل در ارزیابی‌های داخلی مایکروسافت، در بنچمارک‌های خارجی و ارزیابی‌های Dynamics 365 عملکرد بهتری از GPT-Realtime 2.1 داشته است. قیمت‌گذاری آن نیز از یک سنت به‌ازای هر دقیقه صوت آغاز می‌شود تا استفاده سازمانی در مقیاس گسترده امکان‌پذیر باشد.

در حوزه رونویسی، Dragon Copilot Transcribe بر پایه مدل MAI Transcribe 2 ساخته شده است؛ مدلی که مایکروسافت آن را سریع‌ترین و دقیق‌ترین مدل چندزبانه رونویسی در جهان معرفی می‌کند. این فناوری اکنون در Dragon Copilot به کار گرفته شده و تمام رونویسی مکالمات پزشک و بیمار در این محصول را انجام می‌دهد. به گفته مایکروسافت، این سامانه ماهانه ۱۰ میلیون ویزیت پزشکی را پوشش می‌دهد، نرخ خطا را در فرایندهای چندزبانه به نصف کاهش داده و در اختیار یک‌سوم پزشکان ایالات متحده قرار گرفته است.

تصمیم‌گیری سریع‌تر و ارزان‌تر برای عامل‌های هوشمند

یکی دیگر از محصولات معرفی‌شده، Microsoft Decision 1.1 است که برای مدیریت تصمیم‌های کوچک اما پرتعداد در سامانه‌های عامل‌محور توسعه یافته است. عامل‌های هوشمند در جریان انجام هر وظیفه باید تصمیم‌های متعددی بگیرند؛ از انتخاب ابزار مناسب و تشخیص فوریت درخواست‌ها گرفته تا بررسی موفقیت مراحل اجرا و کنترل گردش کار.

سپردن تمام این تصمیم‌ها به مدل‌های پیشرفته و پرهزینه، فرایند اجرای عامل‌ها را کند و گران می‌کند. Decision 1.1 با هدف مدیریت وظایفی مانند مسیریابی درخواست‌ها، طبقه‌بندی، اولویت‌بندی، راستی‌آزمایی و کنترل گردش کار طراحی شده است.

این مدل در شاخص AA Decision Index از Jev، گوگل و OpenAI پیشی گرفته و به گفته مایکروسافت، ۵۰ برابر سریع‌تر و ۷۹ برابر ارزان‌تر از GPT-Sol 6.1 است. همچنین چهارهزار مشتری از آن استفاده می‌کنند. یکی از کاربردهای اصلی آن، مسیریابی هوشمند درخواست‌هاست؛ به‌گونه‌ای که مدل‌های بزرگ‌تر و گران‌تر فقط زمانی به کار گرفته شوند که واقعاً به توانایی آن‌ها نیاز باشد.

Maia 200 نیز به‌عنوان شتاب‌دهنده هوش مصنوعی نسل دوم مایکروسافت، هم‌اکنون در مرحله تولید قرار دارد و با اجرای بزرگ‌ترین مدل‌های ما، ۱.۷ برابر توکن بیشتر به ازای هر وات ارائه می‌دهد.

سفارشی‌سازی مدل‌ها و کنترل سازمان‌ها بر داده‌ها

مایکروسافت در کنار معرفی مدل‌های جدید، بر اهمیت مالکیت و کنترل سازمان‌ها بر مدل‌های هوش مصنوعی تأکید کرده است. این شرکت معتقد است سازمان‌ها تمایلی ندارند اطلاعات و توانمندی اختصاصی خود را در اختیار مدل‌هایی قرار دهند که کنترل کاملی بر آن‌ها ندارند. همچنین استفاده از مدل‌های دارای وزن‌باز نیز ممکن است درباره منشأ مدل و رفتار آن در مواجهه با داده‌ها و دارایی‌های فکری حساس سازمانی، نگرانی‌هایی ایجاد کند.

مایکروسافت پیش‌تر قابلیت Custom Models را معرفی کرده بود. برای نمونه، شرکت AT&T یک مدل سفارشی مبتنی بر فناوری MAI برای تحلیل عملیات شبکه 5G توسعه داده که به گفته مایکروسافت، عملکردی بهتر از GPT-6.1 Sol با هزینه‌ای ۵۰ برابر کمتر داشته است.

اکنون این شرکت از MAI Licensed Weights رونمایی کرده است؛ رویکردی که امکان سفارشی‌سازی یک مدل پیشرفته MAI با استفاده از داده‌های اختصاصی سازمان و اجرای امن آن در محیط Azure متعلق به همان سازمان را فراهم می‌کند. در این چارچوب، سازمان کنترل دسترسی به مدل را در اختیار دارد و داده‌ها و تغییرات اعمال‌شده روی مدل نیز متعلق به خود آن باقی می‌مانند. مایکروسافت همچنین از طریق Frontier Company در فرایند توسعه مدل سفارشی و ادغام آن در محصولات و عامل‌های اختصاصی سازمان‌ها همکاری می‌کند.

در مجموع، راهبرد جدید مایکروسافت بر توسعه مدل‌های تخصصی با نسبت عملکرد به هزینه بالا و فراهم‌کردن امکان استفاده گسترده از هوش مصنوعی در عملیات سازمانی متمرکز است. این شرکت با ترکیب مدل‌های برنامه‌نویسی، امنیت سایبری، تصویر، صوت و تصمیم‌گیری، به دنبال کاهش هزینه اجرای عامل‌های هوشمند و افزایش کنترل سازمان‌ها بر داده‌ها، مدل‌ها و زیرساخت‌های مورداستفاده آن‌هاست.

طراحان خلاقی و فرهنگ پیشرو در زبان فارسی ایجاد کرد. در این صورت می توان امید داشت که تمام و دشواری موجود در ارائه راهکارها و شرایط سخت تایپ به پایان رسد.

دیدگاهتان را بنویسید