2026 年 11 月 17 日,微软在 Ignite 开发者大会上发布了七款自研大模型。发布会大屏幕上没有标单价。取而代之的是一组充满攻击性的对比标签:竞品价格的 2%、5%、20%。
大模型行业的定价规则变了。过去两年,前沿实验室靠更高的跑分维持高昂账单。微软这次换了策略。各项任务能力做到对手九成以上,再用断崖式低价推向市场。
连发七款新模型:定价只看竞品百分比
新模型覆盖了安全、代码、图像与语音等多个领域。变化最大的地方在于计价标准。
在人工智能领域,Token 指的是模型处理语言的基本碎片。通常几个英文字母或一个汉字就算一个 Token。以往厂商公布价格,都是按照每百万 Token 消耗多少美元计算。
微软这次放弃了复杂的单价计算公式。竞品直接成了降价标靶。定位网络攻防的 MAI Cyber 2 Flash,把价格战推向了顶点。
在 CyberGym-E2E 基准测试上,它的表现超过了 GPT-6 Astra。这是一套考核 AI 自动化攻防与漏洞修复的行业考卷。而在完成相同测试任务时,微软模型的单次成本还不到对手的 2%。
图:MAI Cyber 2 Flash 与竞品在网络安全测试中的成本与质量对比。来源:Microsoft AI(Ignite 2026 发布会)。
单次任务成本降到五十分之一,工程预算随之改变。过去企业扫描数百万行代码需要审批专项预算。现在这项安全检查可以直接挂进日常开发流程。
性能追到98分,单次调用成本压缩大半
编程与多媒体模型的降价,对开发者的影响更加直接。在代码生成任务上,微软拿出了两款主力工具。
微软官方数据显示,MAI Code 2 编码质量达到 GPT-6.1 Sol 的 98%,价格约为后者的 40%。面对旗舰模型 Opus 5.5,它保持了 96% 的质量。调用价格却只要对方的 5%。
轻量级模型 MAI Code 2 Flash 负责主打响应速度。它的综合表现与 GPT-6 Luna 相当,价格降低到后者的 65%。对比同级别的轻量模型 Haiku 5.5,它的价格只有两成。
图:MAI Code 2 系列在编程测试中的质量与价格分布。来源:Microsoft AI(Ignite 2026 发布会)。
专门负责逻辑推理的 Decision 1.1,比 GPT-6.1 Sol 快 50 倍,成本便宜 79 倍。多媒体领域也拉开了降价大幕。
MAI Image 2.7 登上了第三方机构 Artificial Analysis 的图像编辑榜首。它的调用成本,只有竞品最高档位的五分之一。
图:MAI Image 2.7 图像编辑测试排名与调用成本。来源:Microsoft AI(Ignite 2026 发布会)。
语音模型 MAI Realtime 1 起步价为每分钟音频 0.01 美元。它的交互延迟指标优于 GPT-Realtime 2.1。医疗转录系统每月支撑上千万次医患对话,官方公布的多语言错误率降低了一半。
这些官方数据传递出明确的信号。微软不再追求难以落地的极限智商。只要把模型能力稳定在 95 分至 98 分,再给出对手几分之一的报价,就能在工程落地中抢走客户。
自研芯片规模量产,云厂商拿硬件打消耗战
大幅降价并非赔本赚吆喝。微软敢于打出折价牌,关键支撑来自自研底层硬件。
伴随新模型亮相,微软宣布第二代自研 AI 芯片 Maia 200 进入规模量产。这批芯片专为自家的 MAI 架构优化,已经开始承载主力推理集群。
衡量芯片效率的核心指标是每瓦 Token 数。也就是消耗一瓦特电量,系统能够产出的文本数量。官方数据显示,Maia 200 运行自家最大模型时,每瓦生成的 Token 数提升了 1.7 倍。
芯片效率提升之后,微软又宣布将 Azure Maia 系统扩建至多吉瓦规模。吉瓦是电功率单位,1 吉瓦等于 10 亿瓦。这个体量相当于一座大型核电站机组的供电能力。
自研芯片摊平了外购通用处理器的加价空间。多吉瓦数据中心进一步压缩了用电边际成本。独立算法团队租算力需要承担多重利润加成,拥有全套云设施的巨头则能把硬件折旧摊进整个生态。微软争夺的是长期的云服务合同,模型降价只是打开局面的先头兵。
两行代码就能切换,大模型沦为普通电动机
这场降价潮揭开了一个技术现实:各家模型之间的替换成本极低。微软在大会上强调,企业需要能够全天候运行智能体的承受价格。所谓智能体,就是可以自主调用工具、执行多步骤任务的 AI 程序。
技术社区将大模型比作 19 世纪末的电动机。电动机驱动了第二次工业革命,社会价值极高。但是没有任何一家工厂,能靠制造标准电动机维持超额利润。
今天的模型接口也在经历这种标准化过程。主流厂商的调用协议高度一致。开发者在代码库里修改基础路径和密钥两行配置,系统就能直接平移到廉价模型上。
模型调用没有专属文件格式,也没有复杂的重构门槛。当各家智商差异无法在业务中体现,采购天平自然会倒向更低廉的报价。
高溢价故事讲不通,资本市场重新算账
同一天,Google 推出了 Gemini 4 Neon 与 Genie 4。前沿模型被追平的时间窗口,已经从过去的一年压缩到以周计算。
全球各大研发团队的新模型持续涌现,迅速填平代差。追赶速度的加快,正是本场价格战爆发的深层动力。
资本市场对待大模型的态度出现分化。部分投资人开始重新计算前沿模型的商业回报。如果高额研发支出只能换来两三个月的领先期,单纯出售模型接口的商业模式就很难支撑过高估值。
技术乐观派持有不同看法。他们认为当前被压价的主要是代码编写、日常问答等常规需求。在复杂的科学计算与长程推理领域,前沿旗舰模型依然具备不可替代的突破能力。
双方争论未休,但商业落地的风向已经调头。当微软把「对手价格的 2%」打在大屏幕上,行业竞争的主题就已经换成了成本比拼。任何可以被竞品按比例折价的技术,都在变成随取随用的通用工业零件。
参考链接:
- Microsoft AI 官方发布
- Hacker News 社区讨论
- Artificial Analysis 评测榜单