Лаборатория Microsoft AI представила три новые базовые модели для генерации текста, голоса и изображений — ещё один шаг в стратегии создания собственного стека мульти-модальных ИИ-решений. Это прямой вызов таким гигантам, как OpenAI и Google, несмотря на сохраняющиеся партнёрские отношения с OpenAI.

Новые модели: быстрее, дешевле, гибче

Первая из них — МАЙ-Транскрайб-1 (MAI-Transcribe-1) — распознаёт речь на 25 языках и работает в 2,5 раза быстрее, чем существующее решение Azure Fast. Стоимость — от 0,36 доллара за час транскрибации.

МАЙ-Войс-1 (MAI-Voice-1) — модель для генерации аудио. Позволяет создать 60 секунд звука всего за одну секунду обработки и настроить персональный голос. Доступна по цене от 22 долларов за миллион символов.

МАЙ-Имидж-2 (MAI-Image-2) — модель для генерации изображений и видео. Изначально появилась в тестовой платформе MAI Playground 19 марта, а теперь доступна и в Microsoft Foundry. Стоимость — от 5 долларов за миллион токенов на входе и 33 доллара за миллион токенов на выходе.

Команда суперинтеллекта во главе с Сулейманом

Модели разработаны командой MAI Superintelligence, возглавляемой Мустафой Сулейманом (Mustafa Suleyman), гендиректором Microsoft AI. Эта группа была создана в ноябре 2025 года как часть амбициозной инициативы по разработке ИИ нового поколения.

«В Microsoft AI мы создаём гуманистичный ИИ. У нас особый подход: ставить людей в центр, учитывать, как люди действительно общаются, и обучать модели для практического применения. Скоро вы увидите больше наших моделей — как в Foundry, так и прямо в продуктах Microsoft».

По словам Сулеймана, ключевое преимущество новых моделей — низкая стоимость по сравнению с предложениями Google и OpenAI. Это может стать серьёзным козырем на перенасыщенном рынке больших языковых моделей (LLM).

Собственные модели и партнёрство с OpenAI — не противоречие

Несмотря на запуск собственных моделей, Microsoft подтверждает приверженность партнёрству с OpenAI. Компания вложила в лабораторию более 13 миллиардов долларов и продолжает интегрировать их технологии в свои продукты.

Как пояснил Сулейман в интервью The Verge, недавний пересмотр условий партнёрства дал Microsoft свободу развивать собственные суперинтеллектуальные проекты. Подход Microsoft напоминает стратегию с чипами: компания и сама производит решения, и активно использует сторонние.

Microsoft AI, the tech giant’s research lab, announced the release ofthree foundational AI modelson Thursday that can generate text, voice, and images.

The release signals Microsoft’s continued push to build out its own stack of multimodal AI models — and compete with rival AI labs — even though it remains tied to OpenAI.

MAI-Transcribe-1 transcribes speech across 25 different languages into text and is 2.5 times faster than Microsoft’s Azure Fast offering, according to a company press release. MAI-Voice-1 is an audio-generating model. This voice model allows users to generate 60 seconds of audio in one second and allows users to create a custom voice. MAI-Image-2 is a video-generating model.

MAI-Image-2was originally released on MAI Playground, a new large language model testing software on March 19. Now, all three models are being released on Microsoft Foundry and the transcription and voice models are available in MAI Playground as well.

The models were developed byMicrosoft’s MAI Superintelligence team, an AI research team led by Mustafa Suleyman, the CEO of Microsoft AI, that was formed and announced in November 2025.

“At Microsoft AI, we’re building Humanist AI. We have a distinct view when creating our AI models — putting humans at the center, optimizing for how people actually communicate, training for practical use,” Suleyman wrote in a blog post. “You’ll see more models from us soon in Foundry and directly in Microsoft products and experiences.”

In an increasingly crowded LLM market, MAI hopes a selling point for these models is that they are cheaper than those from Google and OpenAI, the company wrote in the blog post.

Disrupt 2026: The tech ecosystem, all in one room

Your next round. Your next hire. Your next breakout opportunity.Find it at TechCrunch Disrupt 2026, where 10,000+ founders, investors, and tech leaders gather for three days of 250+ tactical sessions, powerful introductions, and market-defining innovation. Register now to save up to $400.

Save up to $300 or 30% to TechCrunch Founder Summit

1,000+foundersand investors come together atTechCrunch Founder Summit 2026for a full day focused on growth, execution, and real-world scaling. Learn from founders and investors who have shaped the industry. Connect with peers navigating similar growth stages. Walk away with tactics you can apply immediatelyOffer ends March 13.

MAI-Transcribe-1 starts at $0.36 per hour. MAI-Voice-1 starts at $22 per 1 million characters, and MAI-Image-2 starts at $5 for 1 million tokens for text input and $33 for 1 million tokens for image output.

Despite releasing its own models, Suleyman reaffirmed Microsoft’s commitment to its partnership with OpenAI in aninterview with VentureBeat— although a recent renegotiation of that partnership allowed Microsoft to truly pursue this superintelligence research,Suleyman told The Verge.

Microsoft has invested more than$13 billion into the AI research laband hosts its models in its various products through a multi-year partnership.Microsoft takes the same stance with chips; it both produces its own and buys from outside players as well.