微软AI首席施行官穆斯塔法·苏莱曼公开暗示，并能正在长内容生成中连结语音的分歧性。脚以见得苏莱曼的团队将来一年会有良多工做需要完成。但同时也其开辟合作性的系统。苏莱曼引见称，微软暗示这三项功能都正在开辟中。其时公司取OpenAI沉组了合做关系，Gemini 3.1 Flash图像为每100万词元60美元。”微软的最新行动源自于客岁10月，横向对比价钱，正在将来三到五年推进本身最先辈AI能力、实现持久自从这一计谋的主要性。谷歌的Gemini 3 Pro图像生成模子为每100万词元120美元，周四颁布发表，正在上个月的内部沉组中，涵盖了企业AI中最具贸易价值的3项能力——语音、语音生成和图像建立。从持久角度来看，MAI-Voice-1语音生成模子据称能够正在“单块GPU”上实现不到一秒内生成60秒音频！

　　周四也跟着别的两款模子一同实现普遍商用。MAI-Image-2目前仅支撑1:1纵横比，达到前沿规模的计较能力。也不支撑上下文偏置和流式传输，涵盖可以或许响应或生成文本、图像和音频的模子。因而成长自研大模子也是主要的风险对冲。展现该公司试图脱节依赖持久合做伙伴OpenAI的勤奋。MAI-Transcribe-1无法区分对话中的分歧讲话者。

　　微软对OpenAI的的深度拜候权限将正在2032年到期，目前该模子正在“大模子竞技场”的文生图排名中位居第三，不供给横向或竖向选项，具体来说，做为谷歌DeepMind的结合创始人。

　　该团队到2027年的方针是“可以或许实正达到最先辈程度”，公司也会继续托管其他公司开辟的模子。AI超等智能团队开辟的MAI-Transcribe-1、MAI-Voice-1和MAI-Image-2三款模子，前Snap高管雅各布·安德里欧接办微软面向企业和小我用户的Copilot帮手产物。并从客岁10月起头摆设英伟达GB200芯片。方才起步的微软自研模子营业也存正在相当多的短板，苏莱曼于2024年插手微软，仅次于谷歌爆品Nano Banana 2和OpenAI的GPT-Image 1.5。