微軟與谷歌今日同步推出新一代AI模型。微軟發佈MAI系列模型，覆蓋語音轉寫、語音生成和文生圖能力，並將加速接入Copilot等產品體系；谷歌則推出Gemma4開源模型，支持本地運行，具備推理、代碼生成及多模態能力，並採用Apache2.0許可。兩家公司持續推進AI能力升級，應用場景進一步擴展。
$微軟 (MSFT.US)$與$谷歌-A (GOOGL.US)$週四同步發佈新一代AI模型，進一步加碼多模態能力佈局。微軟推出自研MAI系列基礎模型，覆蓋語音轉寫、語音生成和圖像生成，並加速融入自家產品體系；谷歌則發佈Gemma 4開源模型，主打本地運行和多模態能力，並將許可切換至更開放的Apache 2.0協議。
微軟：三款MAI模型覆蓋語音與圖像能力
$微軟 (MSFT.US)$推出的「世界級」自研MAI模型，一共包括三款：
首先是MAI-Transcribe-1，這是一款「最先進」的語音轉文本模型，能夠理解全球使用最廣泛的25種語言，其批量轉錄速度相比微軟現有的Azure Fast方案提升了2.5倍。MAI-Transcribe-1的起步價格爲每小時0.36美元。
其次是MAI-Voice-1，這是一款新的語音生成模型，只需1秒即可生成60秒的音頻。同時，它還支持在Microsoft Foundry中通過短音頻樣本創建定製語音。MAI-Voice-1的起步價格爲每100萬個字符22美元。
最後是MAI-Image-2，這是一款更快的文生圖模型，目前已經開始在Copilot中上線，接下來將陸續應用於Bing和PowerPoint。MAI-Image-2的價格爲文本輸入每100萬個詞元（Token）收費5美元，圖像輸出每100萬個詞元收費33美元。
如今，這三款模型已全部在Microsoft Foundry上線，其中語音轉寫和語音生成模型也可在MAI Playground中使用。這些模型由微軟的MAI超級智能團隊開發，該團隊由Microsoft AI首席執行官穆斯塔法·蘇萊曼（Mustafa Suleyman）領導，於2025年11月成立並對外公佈。
「我們正在快速部署這些頂級模型，用於支持自家的消費者和商業產品。很快你將會在Foundry以及微軟各類產品和體驗中看到更多模型。」
媒體分析稱，這一發布表明，儘管微軟仍與OpenAI保持緊密合作，但公司正持續推進構建自有多模態AI模型體系，並與其他AI研究機構展開競爭。
不過，蘇萊曼在接受媒體採訪時重申，微軟仍將繼續與OpenAI保持合作關係。但他也向媒體表示，近期對雙方合作關係的重新談判，使微軟能夠真正推進其超級智能研究。
微軟已向OpenAI投資超過130億美元，並通過一項多年期合作，將其模型部署在自家多款產品中。微軟在芯片領域也採取類似策略：既自主研發，也同時採購外部供應商的產品。
谷歌：Gemma 4開源模型主打本地運行與多模態能力
$谷歌-A (GOOGL.US)$推出的Gemma 4開源模型採用Apache 2.0許可，而不再使用此前自定義的Gemma許可協議。谷歌表示，這些模型具備高級推理能力、代理式工作流、代碼生成，以及視覺和音頻生成能力，並提供四種不同版本，針對本地運行進行了優化，甚至可以運行在「數十億臺安卓設備」上。
谷歌表示：
「Gemma 4基於與Gemini 3相同的世界級研究和技術，是目前你可以在本地硬件上運行的能力最強的一系列模型。它們與我們的Gemini模型形成互補，爲開發者提供業內最強大的開源與專有工具組合。」
「這種開源許可爲開發者提供了完整的靈活性和數字主權基礎，讓你可以完全掌控數據、基礎設施和模型。你可以在任何環境中自由構建並安全部署，無論是在本地還是雲端。」
四種不同版本主要區別在於參數規模。針對邊緣設備（包括智能手機），公司推出了20億和40億參數的「Effective」模型，更注重多模態能力和低延遲處理，適用於移動設備和物聯網設備。針對更強大的設備，則提供了260億參數的「Mixture of Experts」（專家混合）模型，以及310億參數的「Dense」（稠密）模型，旨在運行於消費級GPU上，可用於驅動IDE、編程助手以及代理式工作流。這些模型還支持完全離線運行。
$谷歌-A (GOOGL.US)$表示，在Gemma 4上實現了「前所未有的單位參數智能水平」。爲佐證這一說法，公司指出，Gemma 4中310億和260億參數版本在Arena AI文本排行榜上分別位列第三和第六，擊敗了規模是其20倍的模型。
所有這些模型都可以處理視頻和圖像，因此非常適合用於光學字符識別等任務。較小的兩個模型還支持處理音頻輸入並理解語音。此外，谷歌表示，Gemma 4系列支持離線代碼生成，這意味着用戶可以在沒有互聯網連接的情況下進行編程（例如進行「vibe coding」）。這些模型還支持超過140種語言。
$谷歌-A (GOOGL.US)$的Gemma 4開源模型可以在多個平台下載，包括Hugging Face、Kaggle和Ollama。谷歌強調：
「這些模型在基礎設施安全方面，遵循與我們專有模型相同的嚴格安全協議。」
編輯/melody