マイクロソフトが7つの自研 AI モデルを一挙公開：
OpenAI と Anthropic に追いつけるか？（2026）

GitHub Copilot、Azure Foundry、自前 Agent ワークフローに依存する開発者とエンタープライズアーキテクトにとって、2026 年 Build でマイクロソフトが初めて公開した 7 つの MAI 自研モデルは、マルチモデルルーティングとデータ主権の選定を直接書き換えます。フラッグシップ推論モデル MAI-Thinking-1 のベンチマークは Claude Sonnet 4.6 に近い水準です（マーケティングが謳う Opus 対標ではありません）。MAI-Code-1-Flash はすでに Copilot に搭載済みです。Surface RTX Spark Dev Box は今秋アメリカで発売され、120B 超パラメータモデルをローカル実行できます。本稿は全 7 モデルのアーキテクチャと価格、ベンチマークの真の意味、ハードウェア仕様、七次元戦略分析、接続コード例、完全な FAQを網羅します。ノード構成は 料金ページをご参照ください。

[ SECTION_01 ] // BACKGROUND マイクロソフトはなぜ MAI モデルを自研するのか：1300億ドル依存と三大痛点

過去 7 年間、マイクロソフトは OpenAI に累計 1300 億ドル超を投資し、Azure 上の GPT モデルは AI 戦略の中核です。しかし深い依存は構造的リスクを生みます。

• 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、規模が大きいほど利益率は薄くなります。
• 技術主権の欠如：モデル更新のペース、データソース、重みの所有権をコントロールできません。
• 契約上の制約：旧契約はマイクロソフトの大規模モデル自前訓練を明示的に制限していました。

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、マイクロソフトは独自に「スーパーインテリジェンス」を追求できるようになりました。マイクロソフト AI 責任者 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、自社の算力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、マイクロソフトが世界にこの「自研の脳」を初めて見せた場です。Suleyman は基調講演で、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のが目標だと明言しました。現在の「三大」は Google DeepMind、OpenAI、Anthropic で、マイクロソフトはまだその中に入っていないと公言しています。

[ SECTION_02 ] // MODELS 7 つの MAI モデルを逐一解説：アーキテクチャ、ベンチマーク、価格、利用可能状態

MAI-Thinking-1 — 推論フラッグシップ

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、コストパフォーマンスを優先しています。スパース MoE（Mixture of Experts）アーキテクチャを採用：総パラメータ約 1T（1 兆）、推論時に活性化するのは 35B のみ。コンテキストウィンドウ 256K tokens。ゼロからの事前学習で、第三者蒸留なし。データはエンタープライズ向け clean data で、商用ライセンス、トレーサビリティあり。現在は Azure Foundry プライベートプレビュー（申請可能）です。

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 Opus ではありません。
• 比較対象のバージョンは古い：現在の Anthropic フラッグシップは Claude Opus 4.8（SWE-Bench Pro 69.2%）で、マイクロソフトが選んだのは 2 世代前の Opus 4.6（53.4%）です。
• GPT-5.5 の SWE-Bench Pro は 58.6% で、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す。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い一方、絶対性能は現行の Anthropic / OpenAI フラッグシップに及びません。

MAI-Image-2.5 — テキストから画像・画像から画像

• Text-to-Image：Arena.ai テキストから画像ランキング #3
• Image-to-Image：スタイル転送、局所編集。Arena.ai 画像編集ランキング #2
• 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

MAI-Transcribe-1.5 — 音声文字起こし

特色機能 Contextual Biasing で専門用語の精度を向上できます。横断比較では、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。典型的なシナリオは Teams 会議記録、コールセンター文字起こし、Copilot コード注釈の音声入力、バリアフリーツールです。

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声を合成
• 感情スタイル（Emotion Styles）：口調、話速、感情の色合いを制御
• 言語カバレッジ：15 言語以上を新規追加（完全リストは未公開）
• 出力：MP3、24 kHz サンプリングレート
• 価格：$22 / 1M 文字。Flash 超低レイテンシ版は「近日公開」
• 統合：Azure Foundry、VS Code、Dynamics 365、Microsoft Copilot

MAI-Code-1-Flash — プログラミングアシスタント（正式リリース済み）

• コンテキストウィンドウ：256K tokens
• 推論効率最適化：低レイテンシ、低コスト、高頻度利用シナリオ向け
• 組み込み済み：GitHub Copilot（CLI 含む）、VS Code、GitHub Actions
• 価格：$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

7 つの MAI 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、今日から VS Code で動作します。

[ SECTION_03 ] // HARDWARE Surface RTX Spark Dev Box：ローカル 120B+ モデルと「Token 従量課金」への挑戦

Satya Nadella はこれを dream machine と呼びました。クラウド AI 算力をデスクトップに持ち込む開発者向けマシンです。

開封即利用のプリインストール環境：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 超パラメータモデル（Llama 4、Qwen 3 など）を実行。1M token コンテキストの対話もスムーズ。これまでクラウド GPU が必要だった規模の Fine-tune も可能です。

発売情報：2026 年秋、アメリカ（初期）、Microsoft.com 公式サイトのみ、価格は未発表（企業限定ではなく一般消費者も購入可能）。ローカルで 120B モデルを動かせば、OpenAI / Anthropic への API 料金は不要になります。これは「Token 従量課金」モデルに直接挑むハードウェアの賭けです。

[ SECTION_04 ] // STRATEGY マイクロソフトは OpenAI と Anthropic に追いつけるか？七次元比較と変局の論理

すでに達成したこと：独立訓練能力（MAI-Thinking-1 は蒸留なしで完遂）。マルチモーダル全面カバー（テキスト、画像、音声、文字起こし、コーディング）。エンタープライズデータセキュリティ（商用ライセンス、重み管理可能、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 より10 倍低いとされる）。強力な配信チャネル（GitHub Copilot 数千万開発者、M365、Teams）。MAI-Code-1-Flash リリース済み。

まだ追いついていないギャップ：SWE-Bench Pro フラッグシップ性能で約 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）。訓練インフラはまだ構築中。Claude Code / OpenAI Codex エコシステムの方が成熟。MAI-Thinking-1 はプライベートプレビュー中。

真の変局：マイクロソフトは 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」へシフトしています。MAI-Code-1-Flash が GitHub Copilot に組み込まれれば、7,500 万の開発者が毎日マイクロソフトモデルを使います。Surface RTX Spark Dev Box が発売されれば、「ローカル AI 主権」がハードウェア製品になります。エンタープライズデータを Azure 内で安全に MAI の Fine-tune に使えれば、データフライホイールはマイクロソフトの手にあります。

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遅れます。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は加速し、Azure 配信と GitHub エコシステムにより「四大」入りの現実的なチャンスがあります。この勝負は必ずしもベンチマーク最高者ではなく、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する側が勝ちます。

[ SECTION_05 ] // ACCESS 開発者は MAI モデルをどう使うか？六ステップ接続ガイドと API 例

MAI モデルは OpenRouter、Fireworks AI、Baseten などのプラットフォーム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、同一 Foundry ワークスペースから MAI モデルと GPT-5.6 を同時に呼び出せます。

1. アカウントとリージョンの確認：Azure Portal にログインし、AI Foundry ワークスペースを作成または選択。Speech / OpenAI サービスエンドポイントのリージョンが対象 MAI モデルをサポートしているか確認します。
2. MAI-Thinking-1 プライベートプレビューの申請：Microsoft Foundry Model Catalog で「MAI-Thinking-1」を検索しアクセス申請を提出。公開プレビューは数週間以内の見込みです。
3. MAI-Code-1-Flash API のデプロイ：Foundry で mai-code-1-flash エンドポイントをデプロイし、azure_endpoint と API Key を記録。GitHub Copilot ユーザーは追加設定不要です。
4. マルチモデルルーティングの構成：LiteLLM またはアプリ層の fallback で、MAI-Code-1-Flash（低コストコーディング）と GPT-5.6 / Claude（複雑な推論）を振り分け、全タスクをフラッグシップモデルに流さないようにします。
5. 音声と画像の接続：文字起こしは Azure Speech API（MAI-Transcribe-1.5）。画像生成は Foundry Model Catalog（MAI-Image-2.5）。Flash 版の方が価格が低い点に注意します。
6. Agent 実行環境の固定：Copilot CLI、Foundry CLI の試行、マルチモデルバッチタスクを 7×24 安定 Mac ホストに移し、ノート PC のスリープによる OAuth 期限切れとタスク中断を回避します。金融・医療顧客は Azure テナント内で Fine-tune を優先し、データが環境外に出ないようにします。

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)

[ SECTION_06 ] // DATA 引用可能な技術データ、FAQ、まとめ

• MAI-Thinking-1 MoE 活性化パラメータ：総パラメータ約 1T、推論時は 35B のみ活性化。推論コストは GPT-5.5、Claude Opus などの密なモデルより大幅に低いです。
• MAI-Transcribe-1.5 スループット：276× リアルタイム処理速度、FLEURS 43 言語 WER 4.9%、価格 $0.36/時間の音声。
• Surface RTX Spark Dev Box：128GB 統一メモリ、1 Petaflop 算力、100W TDP。ローカルで 120B+ パラメータモデルと 1M token コンテキストを対話実行可能です。
• SWE-Bench Pro ギャップ：MAI-Thinking-1 52.8% vs Claude Opus 4.8 69.2%、差は約 16 ポイント。人間ブラインドテストでは Sonnet 4.6 に対し 1,276 タスクで勝利。

FAQ 抜粋：

• MAI-Thinking-1 は今使えますか？ 現在プライベートプレビューで、Azure Foundry での申請が必要です。公開プレビューは数週間以内の見込みです。
• MAI-Thinking-1 は本当に Claude Opus に対抗できますか？ マーケティングは Opus 4.6 対標と言いますが、技術レポートは Sonnet 4.6 対標です。現行 Opus 4.8 の SWE-Bench Pro は 69.2% vs MAI-Thinking-1 の 52.8% です。
• Surface RTX Spark Dev Box の価格は？ 未発表です。2026 年秋にアメリカの Microsoft.com で発売予定です。
• 開発者が今使えるのはどれですか？ MAI-Code-1-Flash、MAI-Image-2.5、MAI-Transcribe-1.5、MAI-Voice-2 は正式リリース済み。MAI-Thinking-1 はプライベートプレビュー申請が必要です。
• MAI と OpenAI モデルは Azure で共存できますか？ 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。
• MAI-Code-1-Flash と GitHub Copilot の関係は？ Copilot のバックエンドモデルの一つになりました（CLI と VS Code インライン提案）。ユーザーは設定変更不要です。
• マイクロソフトモデルと OpenAI の核心的な違いは？ データ所有権です。Azure 内で MAI を Fine-tune するデータは環境から出ないと約束されます。金融、医療、法律の顧客にとって重要です。

Build 2026 は、マイクロソフトが OpenAI から独立した自研 AI の道を正式に宣言した節目です。第 1 世代 MAI モデルは利用可能ですが最強ではなく、コスト効率、エンタープライズデータ主権、GitHub 配信、ローカル Dev Box ハードウェアで長期の布石を打っています。

以下が主要な参考ソースです。リリースや入庫後にリンクを再度開いて確認してください。

Microsoft AI: Introducing MAI-Thinking-1

MAI-Thinking-1 Technical Report (PDF)

Microsoft Build 2026 MAI Keynote Transcript

New MAI models in Microsoft Foundry

Surface RTX Spark Dev Box (Microsoft Devices Blog)

Microsoft and OpenAI broke up — now they're ready to fight (The Verge)

MAI-Thinking-1 プライベートプレビュー、Foundry マルチモデル試行、Copilot CLI バッチタスクをスリープするノート PC で動かすと、どれほど魅力的な MoE コスト優位もタスク中断、OAuth 期限切れ、ディスク満杯に食われます。Azure API だけでは安定 7×24 のローカル実行面と Xcode 同機検証を代替できません。Surface RTX Spark Dev Box は 120B をローカル実行できますが、初回はアメリカ限定、価格未発表、リモート CI と多リージョン協業の代替にはなりません。

MAI モデルが全面公開される前に7×24 で Agent を試行し、固定 SSH と予測可能な Apple Silicon 算力が必要なら、Copilot CLI、Foundry バッチタスク、LiteLLM マルチモデルルーティングを専有ベアメタルサーバーに移す方が、不安定な環境で繰り返し火消しするより通常は合理的です。NOVAKVM は複数リージョンの Mac Mini M4 / M4 Pro 弾力レンタルを提供し、固定帯域とデフォルト SSH アクセスで、iOS CI/CD と AI Agent 自動化の同機検証に適しています。詳細は 料金ページ、注文は 注文ページ、デプロイの問題は ヘルプセンターをご覧ください。