こんにちは！AIフル装備 powered by みらいラボのモモです。
マイクロソフトが2026年6月2日、開発者会議「Build 2026」で自社開発のAIモデル群「MAI」を一挙に7つ公開しました。これまで同社はOpenAIの技術を中核に据えてきましたが、今回は外部に頼らない独自基盤への転換をはっきりと打ち出しています。
注目したいのは、初の自社フラッグシップ推論モデル「MAI-Thinking-1」が登場した点です。OpenAIのデータを一切使わず、ゼロから学習したと明言されており、依存からの脱却という戦略が技術面にも表れています。
発表は単発のニュースではなく、製品全体を見すえた基盤づくりの一歩として位置づけられています。だからこそ、何がどう変わるのかを順番に押さえておく価値があります。
この記事では、7モデルの全体像と中核となる2モデルの特徴を整理します。あわせて、なぜマイクロソフトが自社開発を急ぐのか、競合との違いはどこにあるのかまで見ていきます。
読み終えるころには、「Build 2026で何が変わったのか」だけでなく、「次にどこを見るべきか」までつかめるはずです。それでは順番に確認していきましょう。
なぜマイクロソフトは自社モデルを急ぐのか
今回の発表を理解するには、まずマイクロソフトとOpenAIの関係をおさえる必要があります。両社は長年の出資・提携関係にあり、CopilotなどのAI機能はOpenAIのモデルに支えられてきました。
しかしAI市場が拡大するなかで、特定企業への依存はコストと自由度の両面でリスクになります。自社で基盤を持てば、価格を自分でコントロールでき、製品への組み込みも柔軟になります。
背景にあるのは、AIを使う量そのものが急増している現実です。利用が増えるほど外部モデルへの支払いはふくらみ、提供条件の変更が事業計画に直接ひびきます。
さらに、規制や安全への対応も自社基盤なら主導しやすくなります。モデルの中身を把握していれば、問題が起きたときの調整や説明もしやすいからです。
今回の「MAI」シリーズは、その依存構造を変える一手です。マイクロソフトは「自前のモデル群でフロンティアを走り続ける」という姿勢を強調しています。
OpenAIへの依存という構図
これまでマイクロソフトの主要なAI機能は、OpenAIのGPTシリーズを土台にしてきました。Copilotや各種クラウドサービスがその代表例です。
この構図には強みもありますが、弱みもあります。モデルの価格や提供方針を相手に握られ、コスト構造を自分で最適化しにくいという課題が残っていました。
とくにCopilotのように利用者が多い製品では、土台となるモデルの仕様変更が広い範囲に波及します。提供元の判断ひとつで応答の質や価格が動く構造は、長期の戦略を描くうえで見過ごせない不確実性でした。
裏を返せば、依存先が強力であるほど、その方針転換が及ぼす影響も大きくなります。マイクロソフトが自前の選択肢を持とうとするのは、こうしたリスクを自分の手で管理したいからにほかなりません。
MAIチームの強化
マイクロソフトはAI研究組織「Microsoft AI」を強化し、自社モデルの開発を加速してきました。今回のMAIシリーズは、その投資が形になったものといえます。
同社は今後3年で計算資源がさらに千倍規模に拡大すると見込んでいます。自前のモデル開発を「坂を登り続ける機械」と表現し、継続的に改良を重ねる体制づくりを狙います。
象徴的なのは、研究と製品開発を同じ組織で回す体制です。基礎研究の成果をすぐに自社サービスへ載せられるため、改良の速度そのものが競争力になります。
この体制は、モデルを「作って終わり」にしないための仕組みでもあります。実際の利用で得た反応を次の改良へ循環させることで、坂を登り続ける発想を現実の開発サイクルに落とし込んでいます。
こうした体制づくりは、一朝一夕に整うものではありません。長期にわたる計算資源への投資と研究人材の確保があってはじめて、自前のモデル群を継続して送り出せる土台が築かれていきます。
今回発表された7モデルの全体像
Build 2026で公開されたMAIシリーズは、用途の異なる7つのモデルで構成されています。推論、コーディング、画像、音声、医療まで幅広くカバーする点が特徴です。
単発のモデル発表ではなく、製品全体を支える「モデル群」をそろえてきたところに本気度が表れています。ここでは全体像を整理したうえで、中核の2モデルを詳しく見ます。
7という数は、特定分野だけを狙ったのではなく、製品群全体をまかなう布陣をしいたことを意味します。業務で使う場面を広く想定し、それぞれに専用のモデルをあてている点が今回の特徴です。
まずは、どんなモデルが並んだのかを把握しておきましょう。
- MAI-Thinking-1：初の自社フラッグシップ推論モデル。数学・科学・ソフト開発に強い
- MAI-Code-1-Flash：50億パラメータのコーディング特化モデル。GitHub Copilotに搭載
- MAI-Image-2.5：画像生成・編集モデル。高速版のFlashも用意
- MAI-Transcribe-1.5：43言語対応の文字起こしモデル。高精度をうたう
- MAI-Voice-2：15言語以上に対応する音声生成モデル。短い音声から声を再現
- 医療特化モデル：米メイヨー・クリニックと共同開発した臨床推論モデル
下の表は、用途ごとに代表的なモデルを並べたものです。守備範囲の広さがひと目で分かります。
MAIシリーズ 主なモデルと用途
| モデル名 | 主な用途 | 特徴 |
|---|---|---|
| MAI-Thinking-1 | 推論 | OpenAIデータ不使用で学習 |
| MAI-Code-1-Flash | コーディング | GitHub Copilotに搭載 |
| MAI-Transcribe-1.5 | 文字起こし | 43言語・高速処理 |
| MAI-Voice-2 | 音声生成 | 15言語以上に対応 |
推論モデル「MAI-Thinking-1」
推論モデルとは、答えを出す前に筋道を立てて考えるタイプのAIを指します。数式の証明やプログラムの設計のように、段階を踏んで結論へ至る作業で力を発揮します。
MAI-Thinking-1は、マイクロソフト初の自社フラッグシップ推論モデルです。商用ライセンス済みのデータでゼロから学習し、他社モデルからの蒸留は行っていないとされます。
規模は実効35億パラメータ級の疎なMixture of Experts構成です。コンテキスト長は最大25万6千トークンに達し、長い文脈を扱いながら数学や科学の推論で高い性能を示すといいます。
ベンチマークでは数学コンテストAIME 2025で97.0%を記録しました。専門家による匿名比較では、ClaudeのSonnet 4.6より好まれたとも報告されています。
注目すべきは、他社モデルの出力を写し取る蒸留に頼らず、独自データだけで仕上げたとされる点です。学習の出発点から外部依存を断つ姿勢は、脱OpenAIという今回のメッセージを技術面から裏づけています。
推論モデルの価値は、単に正解を出すことだけにあるのではありません。なぜその結論へ至ったのかという筋道をたどれることが、専門的な業務でAIを使ううえでの信頼につながっていきます。
コーディング特化「MAI-Code-1-Flash」
MAI-Code-1-Flashは、50億パラメータのコーディング向けモデルです。2026年6月2日からGitHub CopilotとVS Codeで個人ユーザーへの提供が始まりました。
このモデルは少ない計算量で動く「推論効率」を重視しています。SWE-Bench Proでは51.2%を記録し、Claude Haiku 4.5の35.2%を16ポイント上回ったとされます。
さらに、検証用ベンチマークでは最大60%少ないトークン数で難しい課題を解けると説明されています。コストと速度を両立させた設計が狙いです。
開発の現場では、応答の速さと費用が体験を大きく左右します。少ない計算で動くこのモデルは、待ち時間を抑えつつ反復作業をこなせるため、日常的にコードを書く人ほど効果を実感しやすい設計です。
画像・音声・医療を支える専用モデル
中核の2モデル以外にも、用途を絞った専用モデルが並びます。画像生成・編集の「MAI-Image-2.5」には高速版のFlashが用意され、制作の現場で素早く試せるよう配慮されています。
音声まわりも厚く、「MAI-Voice-2」は15言語以上に対応し、短い音声から声を再現できるとされます。文字起こしの「MAI-Transcribe-1.5」は43言語をカバーし、高速かつ高精度な処理をうたいます。
さらに、米メイヨー・クリニックと共同開発した臨床推論モデルも公開されました。専門分野に特化したモデルをそろえることで、汎用モデル一本では届きにくい現場の要望に応える狙いがうかがえます。
こうした専用モデルの広がりは、AIが特定の作業に深く入り込む段階に来たことを示します。汎用と専用を組み合わせる発想は、今後の製品づくりの主流になっていきそうです。
従来・競合モデルとの違い
ここまでの内容を、競合との比較で整理しておきます。MAIシリーズの位置づけは、性能の絶対値よりも「効率」と「独立性」にあります。
OpenAIやAnthropic、グーグルが性能競争を続けるなか、マイクロソフトはやや異なる軸を選びました。安く速く、そして自前で回せる基盤を重視しているのです。
つまり、同じ土俵で最大の性能を競うのではなく、実務で使い続けられる現実性をどう高めるかという問いに、マイクロソフトなりの答えを出した格好です。
この違いが、企業向けの導入判断に効いてきます。
OpenAI・Anthropicとの比較
OpenAIのGPTシリーズやAnthropicのClaudeは、最高性能を競う「フロンティア」の代表格です。一方でMAIシリーズは、同じ重量級での効率を前面に出しています。
たとえばMAI-Thinking-1はSonnet 4.6との比較で評価され、MAI-Code-1-FlashはHaiku 4.5を基準に語られます。つまり最上位の超大型モデルではなく、現実的な規模で実力を示す路線です。
この比較対象の選び方自体が戦略を映しています。最上位の巨大モデルではなく、現実的な規模の相手を基準に据えることで、効率と実用の土俵で勝負する姿勢を明確にしているのです。
コスト効率という武器
マイクロソフトが繰り返し強調するのが、コスト効率です。報道では、特定用途に最適化したモデルがGPT-5.5に比べて約10倍のコスト効率を実現した例も伝えられています。
性能が同等なら、安く動くほうが企業には魅力的です。大量にAIを使う現場ほど、この差は積み重なって効いてきます。
言いかえれば、コスト効率は単なる節約ではなく、AIをどこまで広く使えるかを決める要素です。安く回せるほど、これまで採算が合わなかった用途にも手を伸ばせるようになります。
コストの差は、一度の利用では小さく見えても、社内全体で日々使えば無視できない規模になります。価格を自分で設計できる強みは、こうした積み重ねの場面でこそ生きてきます。
もっとも、コスト効率の高さがそのまま使い勝手の良さに直結するとはかぎりません。実際の現場では、価格をどこまで優先し品質をどこで担保するかが、用途ごとに変わってくるからです。
影響と今後の注目点
最後に、今回の発表が利用者や業界に与える影響を整理します。短期的にはCopilot関連の体験が、中期的には市場の力学が変わる可能性があります。
影響は使う人の立場によって表れ方が変わります。日々の開発で使う人、導入を判断する企業、そして市場全体という三つの目線で見ておくと、変化の輪郭がつかみやすくなります。
自社モデルが育てば、マイクロソフトは価格と機能を自分で設計できます。これは製品の進化スピードに直結する変化です。
一方で、OpenAIとの関係がどう変わるかは引き続き注視が必要です。
- 開発者：GitHub Copilotで使えるモデルの選択肢が広がる
- 企業：コスト効率の高いモデルで導入のハードルが下がる
- 市場：OpenAI一強だった構図に、自社基盤を持つ競合が増える
- 注目点：MAIシリーズの価格や対応地域が今後どう公開されるか
開発者・企業への影響
開発者にとって直接の変化は、GitHub Copilot内で使えるモデルの選択肢が増えることです。MAI-Code-1-FlashはCopilotのFree・Pro・Pro+・Maxへ順次広がる予定とされています。
企業にとっては、コスト効率の高さが導入判断を後押しします。同じ作業をより安く回せるなら、AI活用の範囲を広げやすくなります。
選択肢が増えること自体が、開発者にとっての安心材料になります。用途に応じてモデルを使い分けられれば、費用と品質のバランスを自分たちで調整しやすくなるからです。
加えて、自社モデルが選択肢に加わることは、価格や条件の面でも利用者に有利に働きます。土台となるモデルの提供元が増えるほど、費用と性能を見比べながら最適な一つを選びやすくなるからです。
今後の注目点
注目すべきは、価格や提供地域といった具体的な条件です。公式発表では価格が明示されておらず、実際の使い勝手はこれから見えてきます。
もう一つは、MAIシリーズがどこまで「フロンティア」に迫れるかです。効率路線を保ちながら最上位モデルとの差を詰められるかが、今後の評価を左右します。
あわせて見ておきたいのが、提供地域の広がりと日本語を含む多言語での実力です。発表時点では英語圏の情報が中心で、実際の使い勝手は各地域での提供が進むなかで明らかになっていきます。
いずれにせよ、発表時点で示された数値はあくまで出発点にすぎません。実際の業務で使われるなかでどのような評価が定着していくのかを、時間をかけて見ていく姿勢が欠かせません。
まとめ
マイクロソフトはBuild 2026で、自社開発のAIモデル群「MAI」を7つ公開しました。推論のMAI-Thinking-1、コーディングのMAI-Code-1-Flashを中核に、画像・音声・医療まで幅広く揃えた点が特徴です。
このニュースが重要なのは、長くOpenAIに依存してきたマイクロソフトが、独自基盤への転換を明確に示したからです。とくにMAI-Thinking-1を他社データなしで学習したという事実は、戦略の本気度を物語っています。
今後の注目点は、価格や提供地域などの具体条件です。あわせて、効率路線でどこまで最上位モデルに迫れるかが、GitHub Copilotでの実利用が広がるほど現場で試されていきます。
読者のみなさんは、まずMAIシリーズの価格公開と、GitHub Copilotでの実利用での評価を、次の判断材料として見ていくとよいでしょう。
私が見るに、今回の発表は「最強モデル争い」とは別の戦い方を示した点に意味があります。最高性能を追うのではなく、安く速く自前で回せる基盤を整える現実路線が、企業のAI導入を一段進める可能性があると感じています。
参考サイトまとめ
- Building a hill-climbing machine: Launching seven new MAI models（Microsoft AI公式）https://microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models/
- Introducing MAI-Thinking-1（Microsoft AI公式）https://microsoft.ai/news/introducing-mai-thinking-1/
- Microsoft unveils new AI models to lessen reliance on OpenAI（CNBC）https://www.cnbc.com/2026/06/02/microsoft-unveils-new-ai-models-lessen-reliance-on-openai-lower-costs.html
- Build 2026: Microsoft Launches First Flagship Reasoning AI Model and More（Thurrott）https://www.thurrott.com/a-i/336960/build-2026-microsoft-launches-first-flagship-reasoning-ai-model-and-more
- Microsoft Build 2026: MAI-Thinking-1 Is First In-House Reasoning Model（TechTimes）https://www.techtimes.com/articles/317631/20260602/microsoft-build-2026-mai-thinking-1-first-house-reasoning-model-trained-without-openai-data.htm
コメント