微软一次放出 7 个自研 MAI 模型：大厂开始「去 OpenAI 化」，创作者多了一套新选择
微软 AI 负责人 Mustafa Suleyman 于 2026-06-02（内容更新至 06-08）宣布，微软 AI 一次性发布 7 个完全自研的 MAI 模型，覆盖推理、编程、图像、语音生成与转写。要点：旗舰推理模型 MAI-Thinking-1 在盲测人评里「优于 Sonnet 4.6」、SWE-Bench Pro 成绩位居同量级前列；编程模型 MAI-Code-1-Flash 仅 50 亿激活参数、深度集成进 GitHub Copilot 与 VS Code，官方称「能力接近 Haiku 但更便宜」；图像模型 MAI-Image-2.5 在 Arena 上超过 Nano Banana Pro；转写模型 MAI-Transcribe-1.5 号称最强、比对手快 5 倍、支持 43 种语言。微软强调这些模型「从零训练、不蒸馏别家、数据干净可溯源」，并推出可用你自己工作流数据强化训练的 Frontier Tuning。它改变的是格局信号：连微软都在系统性建自研模型矩阵以求「长期自给」，模型不再是 OpenAI 一家的生意，创作者的可选项和议价空间都在变大。（各项基准与「最强」宣称以官方技术报告为准；发布于 6 月上旬，属结构性趋势而非当日新闻。）
推荐写作角度
- 格局解读向（写给关注 AI 产业的人）：以「连微软都要自研模型矩阵」为切口，讲清大厂「去 OpenAI 依赖、追求长期自给」这条主线——为什么强调「不蒸馏别家、数据干净可溯源、自研 Maia 200 芯片」，这对普通用户和创作者意味着更多选择与更低价格。
- 上手/性价比向：聚焦 MAI-Code-1-Flash（50 亿激活参数、进了 Copilot 与 VS Code、号称接近 Haiku 但更便宜），写一篇「便宜小模型够不够用」的实测，把「小而省」的编程模型放到真实仓库任务里检验。
- 「训练你自己的模型」向：解读 Frontier Tuning——用你团队真实工作流的操作轨迹做强化训练，官方案例称为 Excel 定制的模型「达到 GPT-5.4 水平但效率高约 10 倍」。讲清这种「模型归你、数据留在你这」的定制思路，对中文团队和独立创作者的想象空间。
标题模板
- 「连微软都要自研模型矩阵：一次 7 个 MAI，大厂「去 OpenAI 化」提速」
- 「50 亿参数塞进 Copilot：微软 MAI-Code-1-Flash 想证明「小而省」也够用」
- 「用你自己的工作流训模型：微软 Frontier Tuning 到底在卖什么」
公开核验来源
事实、判断、写作角度和标题模板全部免费公开；引用前请回到原始来源再次核对。
微软 AI 官方博客 · Building a hill-climbing machine: Launching seven new MAI models微软 AI · MAI-Code-1-Flash 模型页微软 AI · 全部 MAI 模型相关阅读
沿着这个问题继续读
Muse Spark 1.3 上线：少 20% 工具调用是厂商结果，Max 推理与开放权重仍在路上
Meta 于 2026-09-02 发布 Muse Spark 1.3，并开始向 Muse Code 与 Meta Model API 推送；截至 Asia/Katmandu 2026-09-03 06:07，Hacker News 为 340 分、237 条评论。Meta 称相较 1.2，内部工程师比较中工具调用约少 20%、token 约少 25%，并强调长任务、多工作流、澄清问题与高后果操作前确认；这些数字来自厂商自测，没有公开证明所有语言、仓库和真实创作任务都能同比节省。边界必须前置：Max reasoning 仍要等额外安全测试，官方只说开放权重未来会来，两者都不是当前已交付能力；页面中的工程、音频和演示文稿案例是原型展示，不等于可复现产品验收。独立 Artificial Analysis 的首日数据也只是特定端点与基准快照，价格、速度和排名会变，中文创作者应以自己的任务集、隐私选项和完整成本复测。
Mistral 的训练退出不是一个总开关：Vibe、API 与反馈要分开检查
Mistral 本周更新数据治理帮助页，明确普通 Vibe 用户的输入输出默认可用于训练、可自行退出，Vibe Enterprise 则默认退出；Vibe 与 Mistral Studio/API 的退出开关彼此独立，关闭一处不会自动关闭另一处，上传文档也算输入数据。截至 Asia/Katmandu 2026-09-03 06:07，相关 Hacker News 讨论为 359 分、155 条评论。边界必须前置：帮助页描述的是当前产品设置，不等于历史数据自动删除、零数据保留或所有第三方接入都遵循同一规则；反馈渠道另有处理，官方提醒不希望反馈数据被用于改进时不要提交带评论的赞/踩。产品名称、套餐默认值和控制入口可能继续变化，发布前应按当日账号与合同复核，不能把“可退出”简化成“默认不训练”。
21.5 万篇“最佳软件”页进入 AI 引用链：AEO 先要解决证据污染
Trellner Research 于 2026-09-02 公布一次 Perplexity 软件推荐审计：研究者用 380 个软件类别做单次快照，发现三个版式与基础设施高度相似的站点合计列出 215,128 个 `/best/` 购买指南；另一个软件厂商 Guideflow 的博客在 96 个类别中被引用 194 次，成为第三大引用来源。相关 Hacker News 讨论截至 Asia/Katmandu 2026-09-03 06:07 为 287 分、127 条评论。边界必须前置：研究只测 Perplexity、一个提示措辞、每类一次运行，两个模型档位的引用高度重合，不能当作两个独立实验；它没有证明这些页面一定错误、共同所有者是谁，也没有做移除来源后的因果测试，更不能外推 ChatGPT、Gemini、Copilot 或 Google AI Mode。215,128 是三站 sitemap 中对应 URL 数的合计，不是已人工逐篇判假的数量；“证据污染”应作为待复测风险，而不是给站点或运营者定罪。