主要来源IT之家
查看原文事件专题 · 多源确认
微软发布MAI-Image-2.5-Pro与MAI-Voice-2-Flash模型，已落地Bing和PowerPoint
微软7月23日推出两款自研模型MAI-Image-2.5-Pro和MAI-Voice-2-Flash，进入公开预览。MAI-Image-2.5-Pro是微软精度最高的图像模型，文本输入每百万tokens 5美元，图像输出每百万tokens 106美元。MAI-Voice-2-Flash速度比MAI-Voice-2提升2倍，成本降低32%，定价每百万字符15美元。两款模型已用于Bing Image Creator、PowerPoint和OneDrive，其中MAI-Image-2.5相比GPT-Image-2降低GPU成本84%。MAI-Voice-2-Flash已接入Dynamics 365 Contact Center，可降低GPU成本89%。
当前结论
微软自己训练的新图像和语音模型，不用别人蒸馏，已经在Bing和PPT里用了，GPU成本降了八成多，价格也公开了。
3 个信源82° AI 热度最后更新 2026/7/24 00:00:53
证据链
相关来源 1OpenRouter
查看原文相关来源 2Mustafa Suleyman
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。