فناوریهوش مصنوعیویژه

مایکروسافت از هفت مدل هوش مصنوعی جدید رونمایی کرد │ هزینه برنامه‌نویسی و پردازش هوشمند با رقابت تازه شرکت‌ها کاهش می‌یابد

مایکروسافت در رویداد Ignite ۲۰۲۶ از هفت مدل هوش مصنوعی جدید رونمایی کرد که برای برنامه‌نویسی، امنیت سایبری، تولید و ویرایش تصویر، پردازش صوت و تصمیم‌گیری طراحی شده‌اند. نقطه تمایز این خانواده، ارائه توانایی‌های پیشرفته با هزینه کمتر و سرعت بالاتر برای کسب‌وکارهاست.

مایکروسافت در ۱۷ نوامبر ۲۰۲۶ خانواده تازه‌ای از مدل‌های هوش مصنوعی خود را معرفی کرد تا سهم بیشتری از بازار ابزارهای هوشمند را در اختیار بگیرد. این مجموعه شامل مدل‌هایی برای برنامه‌نویسی، مقابله با تهدیدهای سایبری، ویرایش تصویر، مکالمه صوتی، پیاده‌سازی گفتار و تصمیم‌گیری است. نکته مهم در این رونمایی، تمرکز بر کاهش هزینه استفاده از هوش مصنوعی است؛ به‌طوری‌که مایکروسافت مدعی شده بعضی از مدل‌های جدیدش با کیفیتی نزدیک به محصولات رقیب، هزینه بسیار کمتری دارند. این تغییر می‌تواند برای شرکت‌ها و توسعه‌دهندگانی که به‌صورت گسترده از هوش مصنوعی استفاده می‌کنند، اهمیت زیادی داشته باشد.

فهرست هفت مدل جدید مایکروسافت؛ هر مدل برای چه کاری ساخته شده است؟

خانواده جدید هوش مصنوعی مایکروسافت با نام MAI معرفی شده و هر عضو آن برای انجام یک وظیفه مشخص طراحی شده است. این رویکرد به شرکت اجازه می‌دهد به‌جای استفاده از یک مدل بزرگ و پرهزینه برای تمام کارها، از مدل تخصصی متناسب با هر درخواست استفاده کند.

هفت محصول معرفی‌شده عبارت‌اند از:

۱. MAI Cyber ۲ Flash: مدل تخصصی امنیت سایبری که برای شناسایی تهدیدها، بررسی آسیب‌پذیری‌ها و کمک به تیم‌های امنیتی در مقابله با حملات طراحی شده است.

۲. MAI Code ۲: مدل برنامه‌نویسی پیشرفته برای تولید کد، رفع خطاهای پیچیده، تغییر هم‌زمان چند فایل و بررسی ساختار پروژه‌های نرم‌افزاری.

۳. MAI Code ۲ Flash: نسخه سریع‌تر و کم‌هزینه‌تر برای کارهای روزمره برنامه‌نویسی، اصلاح کدها، توضیح عملکرد برنامه‌ها و انجام تغییرات کوچک.

۴. MAI Image ۲.۷: مدل تولید و ویرایش تصویر که برای اصلاح تصاویر، تغییر جزئیات و تولید محتوای تصویری استفاده می‌شود.

۵. MAI Realtime ۱: مدل صوتی بلادرنگ برای مکالمه طبیعی با هوش مصنوعی و تبدیل گفتار به پاسخ صوتی با تأخیر کم.

۶. Dragon Copilot Transcribe: مدل تخصصی تبدیل گفتار به متن که برای پیاده‌سازی مکالمات، به‌خصوص در محیط‌های درمانی و چندزبانه، کاربرد دارد.

۷. Decision ۱.۱: مدل تصمیم‌گیری برای هدایت درخواست‌ها، دسته‌بندی اطلاعات، اولویت‌بندی وظایف و کنترل مراحل اجرای سامانه‌های هوشمند.

Microsoft targets AI datacenter efficiency with MicroLED networking research - Insights

insights.marvin-42.

نکته مهم این است که مایکروسافت در کنار این هفت مدل از شتاب‌دهنده پردازشی Maia ۲۰۰ نیز صحبت کرده است. این تراشه محصولی جداگانه است و نباید آن را به‌عنوان مدل هشتم هوش مصنوعی در فهرست قرار داد.

مدل برنامه‌نویسی مایکروسافت با هزینه بسیار کمتر از رقبا

یکی از مهم‌ترین بخش‌های رونمایی جدید، معرفی MAI Code ۲ است. این مدل برای انجام فعالیت‌های برنامه‌نویسی در شرکت‌ها و پروژه‌های نرم‌افزاری ساخته شده و قرار است بخش قابل‌توجهی از کارهای توسعه‌دهندگان را با هزینه پایین‌تر انجام دهد.

مایکروسافت اعلام کرده است که MAI Code ۲ در مجموعه‌ای از آزمون‌های برنامه‌نویسی روزمره، به ۹۸ درصد عملکرد مدل GPT-۶.۱ Sol رسیده، درحالی‌که هزینه آن حدود ۴۰ درصد هزینه رقیب است.

مقایسه با مدل Claude Opus ۵.۵ نیز قابل توجه است. طبق ارزیابی اعلام‌شده، MAI Code ۲ حدود ۹۶ درصد عملکرد این مدل را با هزینه‌ای معادل ۵ درصد آن ارائه می‌کند.

این ارقام به معنی برتری مطلق MAI Code ۲ در تمام فعالیت‌های برنامه‌نویسی نیست. ارزیابی‌ها بیشتر بر کارهای متداول سازمانی، اصلاح کد، رفع خطا و توسعه نرم‌افزار تمرکز دارند. مایکروسافت نیز تأکید کرده که این مدل هنوز برای برخی مسائل بسیار پیچیده علمی و فعالیت‌های طولانی‌مدت طراحی نشده است.

نسخه Flash برای برنامه‌نویسی سریع‌تر

مدل MAI Code ۲ Flash برای زمانی طراحی شده که سرعت و هزینه اهمیت بیشتری دارند.

کاربردهای اصلی آن شامل موارد زیر است:

  • توضیح بخش‌های مختلف کدهای برنامه‌نویسی

  • اصلاح خطاهای مشخص در نرم‌افزار

  • تغییرات محدود در فایل‌های برنامه

  • انجام سریع فعالیت‌های تکراری

  • آزمایش و اصلاح مداوم کدها

مایکروسافت می‌گوید این مدل در فعالیت‌های روزمره برنامه‌نویسی عملکردی نزدیک به GPT-۶ Luna دارد، درحالی‌که هزینه آن حدود ۶۵ درصد هزینه این مدل است. در مقایسه با Claude Haiku ۵.۵ نیز هزینه اعلام‌شده حدود ۲۰ درصد است.

هر دو مدل Code ۲ و Code ۲ Flash در گیت‌هاب کوپایلوت و محیط توسعه هوش مصنوعی مایکروسافت عرضه شده‌اند؛ البته دسترسی به برخی قابلیت‌های نسخه Flash در محیط توسعه مایکروسافت همچنان محدود است.

برای آشنایی بیشتر با تغییرات هزینه استفاده از مدل‌های مختلف، مطلب تغییرات قیمت‌گذاری سرویس‌های هوش مصنوعی و رقابت شرکت‌های بزرگ نیز مرتبط است.

مایکروسافت در امنیت سایبری به دنبال رقابت با مدل‌های قدرتمند است

MAI Cyber ۲ Flash یکی دیگر از محصولات مهم این خانواده است. این مدل به‌طور اختصاصی برای فعالیت‌های امنیت سایبری توسعه یافته و هدف آن کمک به شرکت‌ها برای شناسایی و مقابله سریع‌تر با تهدیدهای دیجیتال است.

یکی از ویژگی‌های مهم این مدل، تمرکز بر فعالیت‌های مداوم امنیتی است. شرکت‌ها می‌توانند از سامانه‌های هوشمند برای پایش زیرساخت‌ها، بررسی رفتارهای مشکوک و کمک به رفع آسیب‌پذیری‌ها استفاده کنند.

مایکروسافت مدعی شده است که این مدل در آزمون CyberGym-E2E کیفیتی هم‌سطح GPT-۶ Astra ارائه می‌کند، درحالی‌که هزینه انجام هر فعالیت کمتر از ۲ درصد هزینه مدل رقیب است.

این اختلاف هزینه، به‌خصوص برای سازمان‌هایی اهمیت دارد که باید تعداد زیادی درخواست امنیتی را در طول شبانه‌روز پردازش کنند.

با این حال، MAI Cyber ۲ Flash قرار نیست بدون محدودیت در اختیار تمام کاربران قرار بگیرد. عرضه آن برای گروهی از مشتریان واجد شرایط محصولات امنیتی مایکروسافت برنامه‌ریزی شده و دسترسی گسترده‌تر آن به‌صورت مرحله‌ای انجام می‌شود.

مدل جدید تولید تصویر؛ تمرکز بر کیفیت و هزینه کمتر

مایکروسافت با معرفی MAI Image ۲.۷ بخش تولید و ویرایش تصویر را نیز هدف گرفته است.

این مدل برای کاربرانی طراحی شده که به تولید تصاویر با هوش مصنوعی و همچنین ویرایش دقیق تصاویر موجود نیاز دارند.

یکی از ادعاهای مهم مایکروسافت درباره این محصول، جایگاه نخست آن در ارزیابی ویرایش تصویر Artificial Analysis است. این شرکت همچنین اعلام کرده که هزینه استفاده از MAI Image ۲.۷ حدود یک‌پنجم هزینه GPT Image ۲.۶ Sunburst در مقایسه مورد اشاره است.

نسخه Flash این خانواده نیز برای تولید تصاویر در حجم بالا طراحی شده و هزینه اعلام‌شده آن حدود ۱۰ دلار برای تولید هزار تصویر است.

این موضوع برای شرکت‌های تبلیغاتی، فروشگاه‌های اینترنتی، تولیدکنندگان محتوا و کسب‌وکارهایی که به تعداد زیادی تصویر نیاز دارند اهمیت دارد.

البته رتبه برتر در ویرایش تصویر به معنای برتری در تمام زمینه‌های تولید تصویر نیست. کیفیت خروجی، دقت در اجرای دستور، حفظ جزئیات و توانایی ویرایش بخش‌های مختلف تصویر باید جداگانه ارزیابی شوند.

MAI Realtime ۱؛ مکالمه صوتی با هزینه یک سنت در دقیقه

یکی دیگر از محصولات جدید مایکروسافت MAI Realtime ۱ است؛ مدلی که برای مکالمه مستقیم صوتی با هوش مصنوعی توسعه یافته است.

تفاوت این فناوری با ابزارهای معمول تبدیل گفتار به متن در این است که می‌تواند فرایند شنیدن، پردازش و پاسخ‌گویی صوتی را به شکل یکپارچه انجام دهد.

مایکروسافت این محصول را نخستین مدل گفتار به گفتار زنده خود معرفی کرده است. هدف آن ایجاد مکالمه طبیعی با تأخیر کم است؛ قابلیتی که می‌تواند در دستیارهای صوتی، خدمات مشتریان و سامانه‌های پاسخ‌گویی خودکار کاربرد داشته باشد.

هزینه اعلام‌شده برای این مدل از ۰٫۰۱ دلار به ازای هر دقیقه صوت آغاز می‌شود.

این قیمت‌گذاری می‌تواند برای شرکت‌هایی که تعداد زیادی تماس یا مکالمه صوتی را پردازش می‌کنند اهمیت داشته باشد. مایکروسافت همچنین از عملکرد بهتر این مدل نسبت به GPT-Realtime ۲.۱ در ارزیابی‌های خود خبر داده است.

Dragon Copilot Transcribe برای تبدیل گفتار به متن

در بخش پردازش صوت، مایکروسافت مدل Dragon Copilot Transcribe را نیز معرفی کرده است.

این محصول بر پایه MAI Transcribe ۲ ساخته شده و کاربرد اصلی آن تبدیل مکالمات صوتی به متن است. یکی از زمینه‌های مهم استفاده از آن، ثبت گفت‌وگوهای پزشک و بیمار در مراکز درمانی است.

مایکروسافت اعلام کرده است که این فناوری ماهانه در حدود ۱۰ میلیون مراجعه درمانی مورد استفاده قرار می‌گیرد و میزان خطا در پردازش چندزبانه را به نصف کاهش داده است.

این آمار نشان می‌دهد که تمرکز شرکت فقط بر ساخت ابزارهای عمومی برای کاربران نیست و توسعه راهکارهای تخصصی برای مشاغل و سازمان‌ها نیز در اولویت قرار دارد.

در محیط‌های درمانی، دقت تبدیل گفتار به متن اهمیت ویژه‌ای دارد؛ زیرا اشتباه در ثبت نام دارو، علائم یا دستورهای پزشکی می‌تواند پیامدهای جدی داشته باشد. بنابراین کیفیت نهایی این فناوری باید متناسب با حساسیت اطلاعات پزشکی ارزیابی شود.

Decision ۱.۱؛ کاهش هزینه تصمیم‌گیری در سامانه‌های هوشمند

مدل Decision ۱.۱ شاید به‌اندازه مدل‌های تولید تصویر و برنامه‌نویسی برای کاربران عادی شناخته‌شده نباشد، اما در توسعه سامانه‌های هوشمند سازمانی اهمیت زیادی دارد.

این مدل وظایفی مانند دسته‌بندی درخواست‌ها، تعیین اولویت، انتخاب ابزار مناسب و بررسی موفقیت مراحل انجام یک کار را برعهده می‌گیرد.

برای مثال، یک سامانه هوشمند ممکن است برای انجام یک درخواست به چند مرحله پردازش نیاز داشته باشد. اگر تمام تصمیم‌های کوچک به مدل‌های بزرگ و گران‌قیمت سپرده شوند، هزینه نهایی افزایش پیدا می‌کند.

Decision ۱.۱ قرار است بخش زیادی از این تصمیم‌های معمول را با سرعت و هزینه کمتر انجام دهد.

مایکروسافت مدعی شده است که این مدل در مقایسه با GPT-۶.۱ Sol تا ۵۰ برابر سریع‌تر و ۷۹ برابر ارزان‌تر است. این محصول در حال حاضر به‌صورت عمومی عرضه شده و شرکت اعلام کرده که حدود ۴ هزار مشتری از آن استفاده می‌کنند.

چرا مایکروسافت به سمت مدل‌های تخصصی و ارزان‌تر حرکت می‌کند؟

معرفی این هفت محصول را باید در چارچوب تغییر راهبرد شرکت‌های بزرگ فناوری بررسی کرد.

تا پیش از این، بخش مهمی از رقابت هوش مصنوعی بر سر ساخت مدل‌هایی بود که بتوانند طیف گسترده‌ای از درخواست‌ها را پاسخ دهند. اما با افزایش استفاده سازمانی، هزینه پردازش و سرعت پاسخ‌گویی به دو عامل تعیین‌کننده تبدیل شده‌اند.

برای یک شرکت بزرگ، استفاده از یک مدل بسیار قدرتمند برای تمام درخواست‌ها همیشه اقتصادی نیست. بسیاری از فعالیت‌ها مانند دسته‌بندی اطلاعات، اصلاح کدهای ساده یا تبدیل صوت به متن به مدل تخصصی کوچک‌تر نیاز دارند.

مایکروسافت با توسعه خانواده MAI تلاش می‌کند این فعالیت‌ها را از یکدیگر تفکیک کند و برای هرکدام ابزار مناسب‌تری ارائه دهد.

این رویکرد سه مزیت مهم دارد:

  • کاهش هزینه: درخواست‌های ساده با مدل‌های کم‌هزینه‌تر پردازش می‌شوند.

  • افزایش سرعت: مدل‌های تخصصی برای انجام وظایف مشخص بهینه شده‌اند.

  • مدیریت بهتر منابع: سازمان‌ها می‌توانند از مدل‌های مختلف متناسب با اهمیت هر فعالیت استفاده کنند.

البته این روش به معنای حذف مدل‌های بزرگ نیست. برای مسائل پیچیده، همچنان ممکن است استفاده از مدل‌های قدرتمندتر ضروری باشد.

رقابت مایکروسافت با OpenAI و Anthropic وارد مرحله تازه‌ای شد

مایکروسافت از نظر زیرساخت و همکاری تجاری با شرکت‌های فعال در هوش مصنوعی جایگاه قدرتمندی دارد؛ اما توسعه مدل‌های اختصاصی می‌تواند وابستگی آن به فناوری شرکت‌های دیگر را کاهش دهد.

این موضوع به‌خصوص در بازار سازمانی اهمیت دارد. مشتریان بزرگ معمولاً فقط به کیفیت پاسخ‌ها توجه نمی‌کنند؛ هزینه پردازش، امنیت اطلاعات، امکان سفارشی‌سازی و کنترل داده‌ها نیز برای آن‌ها تعیین‌کننده است.

مایکروسافت در همین رویداد از برنامه MAI Licensed Weights نیز پرده برداشت. این برنامه به مشتریان واجد شرایط امکان می‌دهد وزن‌های مدل‌های اختصاصی مایکروسافت را دریافت کنند، آن‌ها را متناسب با داده‌های خود تغییر دهند و در محیط امن ابری خود اجرا کنند.

در این ساختار، سازمان‌ها کنترل بیشتری بر نحوه استفاده از مدل و داده‌های اختصاصی خود خواهند داشت.

برای بررسی بیشتر رقابت شرکت‌های بزرگ، مطلب تغییرات تازه بازار هوش مصنوعی و رقابت مدل‌های مطرح نیز اطلاعات مکملی ارائه می‌کند.

از طرف دیگر، وابستگی کسب‌وکارها به یک ارائه‌دهنده هوش مصنوعی می‌تواند ریسک‌هایی مانند اختلال سرویس و تغییر قیمت ایجاد کند. بررسی خطر وابستگی کامل به یک سرویس هوش مصنوعی نیز از همین زاویه اهمیت دارد.

آیا مدل‌های جدید مایکروسافت برای کاربران عادی هم قابل استفاده هستند؟

همه محصولات معرفی‌شده برای استفاده مستقیم کاربران عادی طراحی نشده‌اند. بخشی از این خانواده بیشتر برای توسعه‌دهندگان، شرکت‌ها و سازمان‌های بزرگ کاربرد دارد.

وضعیت دسترسی محصولات به این شکل است:

  • MAI Code ۲ و MAI Code ۲ Flash در گیت‌هاب کوپایلوت عرضه شده‌اند.

  • MAI Image ۲.۷ در محیط توسعه مایکروسافت به‌صورت پیش‌نمایش عمومی ارائه شده است.

  • MAI Realtime ۱ از طریق محیط آزمایشی مایکروسافت قابل تجربه است.

  • Decision ۱.۱ به‌صورت عمومی عرضه شده است.

  • Dragon Copilot Transcribe در محصول تخصصی Dragon Copilot فعالیت می‌کند.

  • MAI Cyber ۲ Flash برای گروهی از مشتریان واجد شرایط عرضه می‌شود.

بنابراین معرفی این محصولات به معنای دسترسی آزاد و رایگان همه کاربران به هفت مدل نیست. نوع اشتراک، محل استفاده و شرایط دسترسی هر محصول متفاوت است.

آینده رقابت هوش مصنوعی به هزینه هر فعالیت وابسته می‌شود

رونمایی مایکروسافت نشان می‌دهد رقابت در صنعت هوش مصنوعی فقط به ساخت مدل‌های بزرگ‌تر و قدرتمندتر محدود نمانده است. شرکت‌ها اکنون تلاش می‌کنند برای هر فعالیت، مدلی با سرعت مناسب و هزینه قابل قبول ارائه دهند.

اگر ادعاهای عملکردی مایکروسافت در استفاده واقعی نیز تأیید شوند، MAI می‌تواند به رقیبی جدی در بازار ابزارهای سازمانی تبدیل شود؛ به‌خصوص در برنامه‌نویسی، پردازش صوت و امنیت سایبری.

با این حال، معیار اصلی موفقیت این محصولات در ماه‌های آینده میزان استقبال توسعه‌دهندگان و شرکت‌ها، کیفیت عملکرد در پروژه‌های واقعی و پایداری مزیت قیمتی آن‌ها خواهد بود.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا