微軟AI正在調整其模型戰略，不再一味追逐效能最強的通用前沿模型，轉而押注成本更低的專用小模型。微軟AI執行長穆斯塔法·蘇萊曼在最新文章中闡述了這一思路，強調行業需要在頂尖效能與成本之間做出權衡。微軟不再追求一個萬能模型，而是為單一領域訓練緊湊型模型。

其最新網路安全模型MAI-Cyber-1-Flash在CyberGym基準測試中表現突出，蘇萊曼稱其得分比Anthropic的Mythos高出12個百分點，而成本僅為後者的一半。不過，這一成績並非模型獨立完成，而是依賴微軟的MDASH編排系統——該系統協調多個模型工作，仍會將困難任務路由至OpenAI的推理模型處理。此外，微軟還表示其影像生成模型MAI-Image-2.5-Flash相比GPT-Image-2可將GPU成本降低高達84%。

蘇萊曼還提出，微軟希望實現模型的可替換性，避免對單一模型家族的依賴。不過，這些小型MAI模型能否在部分替代OpenAI的同時保持同等效能，仍存疑問。

行業競爭焦點正從單個模型轉向編排軟體——即負責路由任務、提供上下文的系統。編排器將大部分工作分配給更便宜的專用模型，僅將困難案例留給前沿模型。Anthropic在其Claude Fable 5中已採用類似方法，日本AI公司Sakana的Fugu系統也圍繞這一理念構建。

微軟此舉反映了AI產業的一個趨勢：隨著模型能力提升，成本與效率正成為關鍵競爭維度。對於投資者而言，這意味著算力需求結構可能變化——專用模型對推理算力的消耗更低，但編排系統的複雜性可能催生新的軟體層需求。同時，微軟與OpenAI的關係也呈現微妙變化：微軟在部分場景中嘗試用自研模型替代OpenAI，但關鍵任務仍依賴後者，這種競合關係值得持續關注。