返回新闻 分享

分享这篇文章

文章链接

一家公司更多与众不同的特质将存在于它所运行的 AI 模型之中。企业越来越希望掌控这些模型——谁能访问它们、它们如何被适配、运行它们的成本是多少,以及它们何时升级。

正因如此,我们推出 MAI Licensed Weights,让组织能够在自己的 Azure 环境中部署并定制 Microsoft AI 模型。

你可掌控的模型

MAI Licensed Weights 将 Microsoft 的前沿 AI 模型引入你自己的 Azure 环境,你可以在其中针对业务进行适配,并安全地整合你的专有知识和专业能力。你的数据和适配成果仍归你所有,Microsoft 仅在获得你明确同意的情况下才会将其用于训练自己的模型。

随着这些模型融入你最重要的产品和业务流程,你仍可掌控它们的部署方式、谁可以访问它们,以及它们何时升级。这意味着你可以按自己的节奏创新,而不会损害业务所依赖的连续性。

为企业打造的前沿性能

对企业而言,最好的模型未必是最大或最强大的通用模型,而是在关键任务上表现最佳、且成本足以让 AI 大规模部署可行的模型。

通过将 MAI 模型适配到其专有知识和业务流程,客户在专门任务上达到了前沿水平或更佳的表现,而成本仅为原来的一小部分。

AT&T 使用 MAI 模型分析 5G 网络。在标准任务上,MAI 的表现优于 GPT-6.1 Sol,而成本仅为后者的 1/50。1 对于更复杂的任务,它以显著更低的成本达到了前沿水平的性能。

其他客户也展示了类似的结果:

  • Woven by Toyota 使用 MAI 模型修复软件代码,在其现有前沿模型需要人工介入的案例中,有 44% 产出了可直接合并的修复,而成本不到原来的十分之一。2
  • Alaska Airlines 将飞机维修报告分类的准确率从 81% 提升到 91%,以一小部分成本超越了领先的前沿模型。3

这些结果表明,当企业将 Microsoft 的前沿 AI 研究与自身专业能力相结合时,一切皆有可能:在关键任务上表现更佳,成本却大幅降低。随着越来越多的专业能力融入 AI 模型,掌控并演进这些模型的能力将变得愈发有价值。

开始使用

MAI Licensed Weights 即将通过我们的 Frontier Company 合作方式推出。如需了解更多信息,请联系你的 Microsoft 客户团队。

关于这些结果

结果反映的是客户针对特定任务适配模型后进行的评估。性能与成本优势因工作负载、模型配置和评估方法而异。

[1] AT&T: 定制的 MAI Code 2 Flash 和 Code 2 在 5G 网络运营分析上进行了评估,包括与 GPT-6.1-Sol 的对比。

[2] Woven by Toyota: MAI Code 2 Flash 基于历史 MISRA 编码标准修复进行微调,并与生产中使用的前沿模型进行了对比。

[3] Alaska Airlines: MAI Code 2 Flash 在飞机维修报告分类上进行了评估,调优后准确率从 81.2% 提升到 91.1%。合格员工仍对最终决策负责。