この記事について海外で公開された情報をもとにAIが要約・解説した記事です。原文の翻訳ではありません。正確な内容は記事末尾の出典元をご確認ください。
この記事の要点
  • MAI Code 2はGPT-6.1 Solの98%の品質を約40%の価格で提供すると主張
  • MAI Cyber 2 FlashはGPT-6 Astra同等の品質をタスクあたりコスト2%未満で実現と主張
  • 独自データで調整し自社Azure上で動かせるMAI Licensed Weightsを提示

7つのモデルを一度に発表

MicrosoftのAI部門であるMAIは2026年11月18日、7つの新しいモデルをまとめて発表しました。内訳は、セキュリティ向けの「MAI Cyber 2 Flash」、コーディング向けの「MAI Code 2」と「MAI Code 2 Flash」、画像の「MAI Image 2.7」、音声の「MAI Realtime 1」、文字起こしの「MAI Transcribe 2」、意思決定の「Decision 1.1」です。共通して掲げられているのは、競合モデルと同等の品質をより低い価格で提供するという価格性能比の主張です。

発表の背景として、MAIはトークン消費にかかる費用の急増に触れています。エージェントを24時間365日動かして実際のエンジニアリング作業をさせたいという要望に応えるには、品質だけでなく価格が必要だという問題意識が示されています。あわせて、第2世代のAIアクセラレータ「Maia 200」が生産環境で稼働し、トークンあたりの電力効率が1.7倍になったことも明らかにされました。

コーディングは価格で勝負

MAI Code 2は、企業の日常的なコーディング作業を狙ったモデルです。DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1という4つのベンチマークの平均で、GPT-6.1 Solの98%の性能を約40%の価格で、Claude Opus 5.5の96%の性能を5%の価格で提供するとしています。ただし、これらの数値はMicrosoft自身による評価です。

フロントエンドの実装をブラインドで並べて比較した評価では、開発者がMAI Code 2をGPT-6 Solより選んだ割合は64%だったとされています。一方で、基礎科学の研究や非常に長い時間軸のエージェント作業といった難しい問題には、まだチューニングしていないと明言しています。万能モデルではなく、日々の定型的なコーディングに絞った設計だと読めます。

MAI Code 2 Flashは、コードの説明や部分的な修正、定型的なバグ修正など、量の多い反復作業に向けたモデルです。GPT-6 Lunaと同等の性能を65%の価格で、Claude Haiku 5.5と同等の性能を20%の価格で、と主張しています。MAI Code 2とFlashはいずれもGitHub Copilotで利用でき、FlashはMicrosoft Foundryで限定プレビューも提供されます。

画像・音声・セキュリティ

MAI Image 2.7は、画像編集の指標であるArtificial Analysisで1位を獲得したとされています。GPT Image 2.6 Sunburst (max)を上回り、価格は5分の1です。テキストからの画像生成では4位で、2番手のラボになるとしています。大量処理向けのMAI Image 2.7 Flashは1,000枚あたり約10ドルです。

音声では、MAI Realtime 1が同社初の音声-to-音声モデルとして登場しました。低遅延の会話を目的とし、社内評価とDynamics 365のベンチマークでGPT-Realtime 2.1を上回ったとしています。価格は音声1分あたり0.01ドルからです。

セキュリティ向けのMAI Cyber 2 Flashは、CyberGym-E2EベンチマークでGPT-6 Astraの品質をタスクあたりコスト2%未満で上回るとされます。既存のMAI CyberはMDASHのスキャンの約40%を占め、MAIから始めたスキャンの90%がそのまま使い続けられているといいます。出力トークンの価格はMAI Cyber 1.1 Flashより86%低く、Decision 1.1はモデルルーティングをアプリに組み込むもので、4,000顧客が利用し、GPT-6.1 Solより50倍高速・79倍安いとしています。

自社環境に置ける重み

MAIは、モデルを顧客の管理下に置く「MAI Licensed Weights」も示しました。フロンティア級のMAIモデルを自社の専有データでカスタマイズし、自社のAzure環境で安全に動かせるというものです。誰がアクセスできるかは顧客が決め、データと調整結果は顧客に帰属すると説明されています。

事例としてAT&Tが挙げられています。5G網の運用分析向けに開発したカスタムモデルはGPT-6.1 Solを上回り、コストは50分の1だったとされています。MAIは、自社の知見を他人のモデルに注ぎ込みたくない、オープンウェイトの出所や挙動を信頼できない、といった声に応えたと説明しています。

現時点で確認できていない点

本文に示された性能と価格の比較は、すべてMicrosoftの自己評価に基づくものです。第三者が同一条件で再現した結果ではなく、ベンチマークの細かい条件も公開されていません。CyberGym-E2EやFrontierCode v1.1など、名前を聞く機会が少ないベンチマークも含まれているため、数値の受け取り方には注意が必要です。

また、提供地域や日本語を含む多言語での品質、MAI Licensed Weightsの具体的な価格や契約条件は、この発表では明らかにされていません。Dragon Copilot Transcribeについては月1,000万件の診察を処理し多言語の誤り率が半減したとありますが、対象言語の内訳までは示されていません。

主なMAIモデルと競合モデルの性能・価格の比較(Microsoftの自己評価)
モデル比較対象性能価格
MAI Code 2GPT-6.1 Sol98%約40%
MAI Code 2Claude Opus 5.596%5%
MAI Code 2 FlashGPT-6 Luna同等65%
MAI Code 2 FlashClaude Haiku 5.5同等20%
MAI Image 2.7GPT Image 2.6 Sunburst (max)画像編集で1位5分の1
原文からの引用
They're explicitly not yet tuned for harder problems, like fundamental science research and very long horizon agentic work.

これらのモデルは、基礎科学の研究や非常に長い時間軸のエージェント作業のような、より難しい問題にはまだ明示的にチューニングされていません。

今後の見通し

今回の発表は自社評価の数値が中心で、実利用でのコスト削減効果はまだ外部から確認できません。今後GitHub CopilotやMicrosoft Foundryでの利用が広がれば、実際のタスクあたりコストや日本語での品質が明らかになるとみられます。MAI Licensed Weightsの価格と提供条件、Maia 200の利用可能範囲が公表されれば、閉域環境を前提とする企業も採用を判断しやすくなります。第三者によるベンチマークの再現結果にも注目が集まるとみられます。

日本の開発者・IT企業にとっての意味

日本のIT企業にとってまず影響が大きいのは、GitHub Copilot経由でコーディングモデルの選択肢と価格性能比が変わる点です。定型的な修正やコード説明の生成を大量に回す現場では、トークン単価の差がそのままコスト差になり得ます。Decision 1.1のようなモデルルーティングは、高価なモデルを必要な場面だけ使う設計の参考になります。一方、数値はすべて自己評価であり、日本語での品質や日本リージョンでの提供時期は未公表です。機密データを扱う企業は、自社Azure内で動かせるMAI Licensed Weightsの条件が示されてから検討するのが現実的とみられます。

気になる点

MAI Code 2は日本からでもGitHub Copilotで使えますか
GitHub Copilotで同日から利用できると発表されています。ただし本文には提供地域やリージョンごとの制限は書かれておらず、日本での提供開始時期や日本語での生成品質も明らかにされていません。契約中のプランで使えるかは公式の提供状況を確認する必要があります。
MAI Licensed Weightsの費用はどのくらいですか
モデルを自社のAzure環境で動かす仕組みですが、ライセンス料やカスタマイズ費用は本記事では示されていません。AT&Tの事例もコストが50分の1になったという結果のみで、絶対額は不明です。導入時は個別の見積もりが必要になるとみられます。
既存のAzure環境から移行する手間はかかりますか
本記事には移行手順やAPI互換性に関する記載はありません。MAI Code 2などはGitHub CopilotやMicrosoft Foundryから利用できるとされていますが、既存システムからの切り替えやすさを判断する材料は現時点では公表されていません。

用語解説

トークン
モデルが処理するテキストや音声の最小単位。API料金は多くの場合トークン数に応じて課金される。
ベンチマーク
モデルの性能を比較するための標準的な試験。本記事の数値はMicrosoft社内で実施された評価。
オープンウェイト
学習済みの重み(パラメータ)が公開され、自社環境で動かせる形式のモデル。出所や挙動の確認が課題になる。
モデルルーティング
問い合わせ内容に応じて適切なモデルへ振り分ける仕組み。高価なモデルの利用を必要な場面に限定できる。
音声-to-音声
音声を入力として受け取り、音声で応答するモデルの形式。文字起こしを挟まないため遅延を抑えやすい。
AIアクセラレータ
AIの計算を高速化する専用チップ。Maia 200はMicrosoftの第2世代にあたる。

出典

Microsoft AI: Seven new world-class models at scalable price-performance

Hacker News / gmays / 2026年11月19日

https://microsoft.ai/news/microsoft-ignite-2026

AI導入も顧問も、お任せください

何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。

AI導入について相談する