Microsoft AI, skraćeno MAI, ove je godine prilično dinamično rastao, a ljudi iz Redmonda najvažniju su objavu čuvali za razvojnu konferenciju Build 2026. Izgleda da tvrtka polako želi preuzeti razvoj svih alata umjetne inteligencije umjesto da se oslanja na tuđa rješenja.
Microsoft je ranije uložio više milijardi dolara u potporu OpenAI-ju i Anthropicu, uz financiranje manjih projekata. No u jednom trenutku tvrtka je odlučila da ta strategija nije baš idealna i da uz takva ulaganja i sama može razviti modele prilagođene vlastitim potrebama. U svibnju se već pročulo da tvrtka redom raskida ugovore s partnerima, pa se tako oprašta i od alata Claude Code.
Na konferenciji Build 2026 tvrtka je objavila dolazak modela MAI-Thinking-1, svog prvog pravog vodećeg modela, modela rasuđivanja koji će se moći nositi s Geminijem, GPT-jem i Claudeom. Ljudi iz Redmonda navodno su ga trenirali od temelja na posve „čistim podacima” i on nije ni na koji način povezan s razvojem trećih strana – osnovu za trening nisu činili podaci izvučeni iz drugih modela.
Iskorištavajući napredne sposobnosti rasuđivanja, izvrsno će se snalaziti u rješavanju složenih matematičkih problema, a dobro će se pokazati i u izazovima razvoja softvera. Prema planu, Microsoft će model MAI-Thinking-1 koristiti u vlastitim uslugama, a s njim će raditi i njegov inženjerski kadar u internom radu. Međutim, Microsoft zasad nije otkrio previše detalja o svom modelu rasuđivanja prve generacije.
Tvrtka je rekla da je trenutačno riječ o modelu srednje veličine, što treba shvatiti tako da se po skupu parametara zasad ne kreće na razini pravih vrhunskih modela. Koristi arhitekturu MoE s ukupno 1 bilijunom parametara, od kojih istodobno najviše 35 milijardi može biti aktivno. Ni drugi razvojni timovi ne kreću nužno s najvećim modelima pri uvođenju pojedinih svježih razvoja (i od Geminija 3.5 prvo je nedavno stigao Flash). Microsoft je dao naslutiti i da su ljudi u slijepom testu odgovore modela MAI-Thinking-1 ocijenili boljima od odgovora modela Claude Sonnet 4.6, ali dobro znamo da to nije ni izbliza Anthropicov najbolji alat.
Na konferenciji Build Microsoft je najavio i više modela koji se fokusiraju na pojedina područja. Takav je primjerice MAI-Code-1-Flash, koji će rješavanju programerskih zadataka pristupiti sa stajališta učinkovitosti. Moći će se pokretati izričito jeftino, pa se s njim može dugo raditi i uz minimalan okvir. Tvrtka ga je navodno izradila prvenstveno za GitHub Copilot, a radit će s 5 milijardi aktivnih parametara. Navodno će raditi ekonomičnije čak i od modela slične veličine i sposobnosti.
Tvrtka je izradila i zaseban model za izradu tekstualnih transkripata, MAI-Transcribe-1.5 prema riječima tvrtke je „najbolji model transkripcije na svijetu” i radit će s boljom točnošću nego ikad. Prema Microsoftovu izvješću, dobro će se snalaziti i sa stručnim jezikom, kreće s poznavanjem 43 jezika, a može biti i do pet puta brži od konkurenata. Stiže i MAI-Voice-2, kojim se može proizvoditi prirodan govorni glas uz podršku za 15 jezika. Od njega se već izrađuje Flash verzija, koja će se vjerojatno moći koristiti i u digitalnom asistentu.
Naposljetku stiže i model MAI-Image-2.5, koji će biti izoštren za generiranje slika. Microsoft je u ožujku model MAI-Image-2 već lansirao s tvrdnjom da se po kvaliteti kreće na razini najboljih modela, a novitet već prestiže i Nano Banana Pro. U tvrtki je nastao „model za generiranje slika iz teksta svjetske klase”, čija se Flash verzija uvodi odmah, obećavajući ultraučinkovit rad.
Bit će zanimljivo vidjeti koliko će se Microsoftovi različiti jezični modeli pokazati korisnima za korisnike. Softverski div svakako polaže ozbiljne nade u njih. Svaki je alat potpuno vlastiti razvoj, na što je tvrtka iznimno ponosna.
