Microsoft
Βασικά Σημεία
- Η Microsoft παρουσίασε επτά εσωτερικά αναπτυγμένα μοντέλα τεχνητής νοημοσύνης στο συνέδριο Build 2026, συμπεριλαμβανομένου του πρώτου της μοντέλου συλλογιστικής, του MAI-Thinking-1. Στα σημεία αναφοράς, οι επιδόσεις του είναι περίπου ισοδύναμες με αυτές του Deepseek V3.2.
- Μια νέα μέθοδος, γνωστή ως “Frontier Tuning”, επιτρέπει στις εταιρείες να προσαρμόζουν τα μοντέλα στις δικές τους ροές εργασίας χρησιμοποιώντας ενισχυτική μάθηση. Η Microsoft αναφέρει ότι τα προσαρμοσμένα μοντέλα επιτυγχάνουν την απόδοση του GPT-5.4 με το ένα δέκατο του κόστους.
- Η Microsoft λανσάρει επίσης το “Scout”, έναν πάντα ενεργό παράγοντα παρασκηνίου που διαχειρίζεται εργασίες γραφείου, όπως ο προγραμματισμός και η προετοιμασία συναντήσεων. Οι ανακοινώσεις λογισμικού συνοδεύονται από τοπικό υλικό για προγραμματιστές και ένα νέο λειτουργικό σύστημα σχεδιασμένο για πράκτορες τεχνητής νοημοσύνης.
Κατά τη διάρκεια του συνεδρίου Build 2026, η Microsoft προέβη σε ανακοινώσεις σχετικά με επτά νέα μοντέλα τεχνητής νοημοσύνης, τα οποία αναπτύχθηκαν εσωτερικά, συμπεριλαμβανομένου του πρώτου της μοντέλου συλλογιστικής. Η εταιρεία παρουσίασε επίσης μια καινοτόμο μέθοδο ρύθμισης, καθώς και έναν αυτόνομο παράγοντα που λειτουργεί στο παρασκήνιο.
Το κεντρικό σημείο των ανακοινώσεων αποτελεί το MAI-Thinking-1, το οποίο συνιστά το πρώτο μοντέλο συλλογιστικής της Microsoft. Σύμφωνα με τον επικεφαλής τεχνητής νοημοσύνης της Microsoft, κ. Mustafa Suleyman, πρόκειται για ένα μοντέλο με 1 τρισεκατομμύριο παραμέτρους, εκ των οποίων 35 δισεκατομμύρια είναι ενεργές, και ένα παράθυρο περιβάλλοντος 128.000 tokens. Έχει σχεδιαστεί ειδικά για την εκτέλεση οδηγιών πολλαπλών βημάτων, τη διαχείριση εκτενών περιβαλλόντων και την παραγωγή κώδικα.
Η Microsoft δηλώνει ότι το MAI-Thinking-1 επιτυγχάνει επιδόσεις εφάμιλλες με κορυφαία μοντέλα σε βασικά σημεία αναφοράς μηχανικής λογισμικού. Επιπλέον, σε εσωτερικές τυφλές συγκρίσεις, προτιμήθηκε έναντι του Sonnet 4.6 της Anthropic. Ο κ. Suleyman ανέφερε ότι το μοντέλο εκπαιδεύτηκε από την αρχή, χρησιμοποιώντας καθαρά δεδομένα και χωρίς να βασιστεί σε απόσταξη από μοντέλα τρίτων. Αυτή η δήλωση ερμηνεύεται ως μια έμμεση κριτική προς πρακτικές που ακολουθούνται σε άλλα ερευνητικά εργαστήρια. Ωστόσο, η εξέταση των δημοσιευμένων σημείων αναφοράς καταδεικνύει ότι το μοντέλο βρίσκεται περίπου στο ίδιο επίπεδο με το Deepseek V3.2.
Πηγή: Οικογένεια MAI | Arena / Σημείο Αναφοράς Εικόνας | Microsoft Devblogs / Frontier Tuning | Microsoft / Scout
