Команда Microsoft AI Superintelligence представила дві моделі власної розробки: генератор зображень MAI–Image-2.5-Pro та MAI–Voice-2-Flash — голосову модель для масштабних корпоративних навантажень.
Команда Microsoft AI Superintelligence представила дві моделі власної розробки: генератор зображень MAI–Image-2.5-Pro та MAI–Voice-2-Flash — голосову модель для масштабних корпоративних навантажень.
MAI–Image-2.5-Pro цілить у преміумсегмент: промоілюстрації, деталізоване редагування та точне відображення тексту всередині картинок, пише VentureBeat.
Microsoft встановила ціну $5 за мільйон вхідних текстових токенів, $8 за мільйон вхідних токенів зображень та $106 за мільйон вихідних токенів зображень.
MAI–Voice-2-Flash працює вдвічі швидше за MAI–Voice-2 і коштує на 32% дешевше — $15 за мільйон символів. Вона розроблена для рутинного, але величезного ринку масової голосової обробки: колцентрів, голосових агентів та мовленнєвих застосунків реального часу, де затримка та вартість дзвінка важать більше, ніж мінімальні переваги в емоційній виразності.
Виробничі показники Microsoft свідчать: моделі власної розробки скорочують витрати на GPU до 89%.
Самі релізи моделей поступаються за вагомістю показовим метрикам розгортання, які додала Microsoft. Вони сприймаються як переконливе обґрунтування для витіснення сторонніх моделей з усієї лінійки її продуктів.
Так, Bing Image Creator відтепер на 100% працює на MAI–Image-2.5 — це перший випадок, коли споживчий графічний сервіс компанії повністю перейшов на власний «рушій».
У PowerPoint, за даними Microsoft, MAI–Image-2.5 зменшує витрати на графічні процесори (GPU) до 84% порівняно з GPT-Image-2 — моделью генерації зображень від OpenAI. А в OneDrive, де MAI–Image-2.5 стала стандартною для основних сценаріїв редагування, компанія зафіксувала зростання кількості збережень на 26%, зниження затримки P95 приблизно на 25% та підвищення ефективності у 2,5 раза за середніх робочих навантажень.
Щодо голосового напряму, то MAI–Voice-2-Flash тепер забезпечує роботу Dynamics 365 Contact Center — платформи, якою користуються такі клієнти, як T-Mobile та EasyJet. У цій системі, за заявою Microsoft, зниження витрат на GPU сягає 89%. Модель також інтегрували в Azure Voice Live для розробників, які створюють діалогові голосові агенти.
