Microsoft 发布 MAI-Cyber-1-Flash 等多款 Flash 模型，以 token 效率优化成本曲线

过去几个月的主旋律一直是 Tokenmaxxing，但 token 效率将成为整个行业的下一个重点。我们如何才能在每投入一个 token 的情况下获得最佳性能，并在每投入一美元的情况下获得最佳的客户实际成果？

要打造一家前沿公司，你必须针对成本优化前沿性能。选择你想处在这条曲线上的哪个位置至关重要。通过协同优化你的模型、harness 和 RLE，你可以挑选出适合你公司的曲线上的某个点。

在大多数情况下，并非每项任务都需要前沿通用模型。通过针对特定产品调优模型，你可以保持甚至超越前沿性能，同时大幅降低 token 成本。

这正是我们过去一个季度将 MAI 爬山机器聚焦的方向，结果相当酷。本周我们发布了针对我们的 MDASH harness 优化的 MAI-Cyber-1-Flash。

两者结合，该系统在 CyberGym 上达到 96%（以该基准的 any crash 分数计；在 CyberGym 排行榜上超越 Mythos），成本仅为 50%，对比的是我们目前在 MDASH 中的最佳方案。而且值得注意的是，我们还能在 H100 上提供服务。

它被设计为高效处理多达 90% 的任务，这样 MDASH 就能把我们集群中最大、最昂贵的模型（在本例中是 GPT 5.4）保留给那 10% 真正需要它们的异常难题。

正如 Satya 今天在我们的第四季度财报电话会议上提到的，自上季度以来，我们已在图像、语音、转录、编码和安全领域发布了十几款新模型，它们已经在为微软许多最广泛使用的产品提供支持，在保持或提升质量的同时显著减少了 token 使用量，在许多情况下节省了 50-90% 的 GPU 成本：

我们与 GitHub 的同事携手打造了 MAI-Code-1-Flash，自六月以来，已有数百万开发者在日常工作中使用它。在 VS Code 中，相比 GPT-5.4 Mini 和 Claude Haiku 4.5，代码接受率提高 10%，中位 token 使用量降低 10%，并且已经显示出留存率的提升。
随后，我们在 Excel RL 环境中训练了同一个检查点，使其在最常见的任务上达到与 GPT-5.6 相当的性能，同时更具成本效益，而且小到可以在 A100 或 H100 上提供服务，而不仅仅是最新、最昂贵的加速器。
MAI-Image-2.5-Flash 现已成为 Bing Image Creator 的端到端默认模型，在 PowerPoint 中投入生产，相比 GPT-Image-2 将 GPU 成本降低多达 84%，并且是 OneDrive 关键编辑场景的默认模型，在这些场景中它将保存率提高了 26%，并带来高达 2.5 倍的 token 效率提升。
MAI-Voice-2-Flash 现为 Dynamics 365 Contact Center 提供支持，T-Mobile 和 EasyJet 等客户在此构建他们的呼叫中心智能体，将 GPU 成本降低多达 89%。
MAI-Transcribe-1.5 现为 Dragon Copilot 的多语言工作流提供服务，覆盖 58 种语言——该解决方案被 170,000 名医疗提供者使用，上季度处理了 2800 万次患者就诊，我们的测试显示，转录和语言识别错误率相对降低了 50%。

更重要的是，通过将我们的模型与我们自己的芯片协同设计，我们发现在 Maia 200 上运行 MAI 模型时，每瓦性能提升了 40%。

但好处不仅仅是成本。还有韧性。如今每家企业都必须假设它所依赖的任何一款模型都可能消失，原因可能是安全事件、业务或政策错位，或是地缘政治变化。

产品或智能体系统中的每个模型都应当是可替换的，而只有当你在构建 harness、上下文、记忆和动作空间时独立于单一模型家族，这才成为可能。这就是我们打造的那台爬山机器。

我们认为这是一条真正全新性能曲线的开端。它的形态代表的是一个系统，而非一个模型，沿着这条曲线前进将带来更优的质量、更低的成本和更多的选择。

这个夏天，团队付出了艰苦而精彩的努力。我们深知这一切还多么早期，也深知我们仍有太多需要学习。但方向是清晰的：我们正在爬山，以推动成本-成果曲线上的前沿，我们也会一路持续分享所学到的东西。未来还有更多值得期待。