Microsoft AI, skrátene MAI, sa v tomto roku rozrastá pomerne rýchlym tempom a najdôležitejšie oznámenie si Microsoft nechal na vývojársku konferenciu Build 2026. Všetko nasvedčuje tomu, že spoločnosť chce postupne prevziať vývoj všetkých nástrojov umelej inteligencie do vlastných rúk namiesto toho, aby sa spoliehala na riešenia iných.
V minulosti Microsoft nalial miliardy dolárov do podpory OpenAI a Anthropicu a popritom financoval aj menšie projekty. V istom bode však dospel k záveru, že táto stratégia nie je práve ideálna a pri takýchto investíciách si dokáže aj sám vyvinúť modely prispôsobené svojim potrebám. Už v máji sa objavili správy, že spoločnosť postupne ukončuje zmluvy s partnermi a lúči sa napríklad aj s Claude Code.
Na konferencii Build 2026 spoločnosť oznámila príchod MAI-Thinking-1, svojej prvej skutočnej vlajkovej lode. Ide o model na logické uvažovanie, ktorý má dokázať konkurovať Gemini, GPT aj Claude. Microsoft ho údajne od základov natrénoval výhradne na „čistých dátach“ a nijako nevychádza z riešení tretích strán. Základom tréningu teda neboli dáta získané z iných modelov.
Vďaka pokročilým schopnostiam logického uvažovania má vynikať pri riešení zložitých matematických problémov a dobre si poradiť aj s úlohami pri vývoji softvéru. Microsoft plánuje model MAI-Thinking-1 nasadiť vo vlastných službách a využívať ho majú aj jeho inžinieri pri internej práci. O svojom modeli na logické uvažovanie prvej generácie však zatiaľ veľa podrobností neprezradil.
Spoločnosť ho označuje za stredne veľký model, čo znamená, že počtom parametrov zatiaľ nedosahuje úroveň najväčších špičkových modelov. Využíva architektúru MoE s celkovo 1 biliónom parametrov, pričom naraz ich môže byť aktívnych najviac 35 miliárd. Ani ostatní vývojári pri uvádzaní nových modelov nemusia začínať tými najväčšími. Aj v prípade Gemini 3.5 prišla naposledy ako prvá verzia Flash. Microsoft tiež naznačil, že ľudia v slepom teste hodnotili odpovede MAI-Thinking-1 lepšie než odpovede Claude Sonnet 4.6. Dobre však vieme, že ten má od najlepšieho modelu Anthropicu ďaleko.
Na konferencii Build Microsoft oznámil aj niekoľko modelov zameraných na konkrétne oblasti. Patrí medzi ne napríklad MAI-Code-1-Flash, ktorý pri riešení programátorských úloh kladie dôraz na efektivitu. Jeho prevádzka má byť mimoriadne lacná, takže s ním bude možné pracovať dlho aj s minimálnym rozpočtom. Spoločnosť ho údajne vytvorila predovšetkým pre GitHub Copilot a pracovať bude s 5 miliardami aktívnych parametrov. Jeho prevádzka má byť údajne ešte úspornejšia než pri modeloch podobnej veľkosti a schopností.
Spoločnosť vytvorila aj samostatný model na prepis reči do textu. MAI-Transcribe-1.5 je podľa nej „najlepší transkripčný model na svete“ a má ponúknuť doteraz nevídanú presnosť. Podľa Microsoftu si dobre poradí aj s odbornou terminológiou, pri uvedení podporuje 43 jazykov a oproti konkurencii môže byť až päťkrát rýchlejší. Oznámený bol aj MAI-Voice-2, ktorý umožní generovať prirodzene znejúcu reč s podporou 15 jazykov. Vo vývoji je už aj jeho verzia Flash, ktorú bude pravdepodobne možné využiť aj v digitálnych asistentoch.
Napokon bol oznámený aj model MAI-Image-2.5 zameraný na generovanie obrázkov. Už pri marcovom uvedení MAI-Image-2 Microsoft tvrdil, že sa kvalitou vyrovná najlepším modelom, a novinka už prekonáva aj Nano Banana Pro. V spoločnosti tak vznikol „model svetovej triedy na generovanie obrázkov z textu“, spolu s ktorým sa hneď uvádza aj verzia Flash s prísľubom mimoriadne efektívnej prevádzky.
Bude zaujímavé sledovať, ako sa jednotlivé jazykové modely Microsoftu osvedčia používateľom. Softvérový gigant do nich v každom prípade vkladá veľké nádeje. Všetky tieto nástroje sú výsledkom výlučne vlastného vývoja, na čo je spoločnosť mimoriadne hrdá.
