Microsoft stawia na własne modele AI. Siedem premier i jedno wielkie pytanie: co z OpenAI?

Podczas konferencji Microsoft Build 2026 firma pokazała coś, czego wielu się nie spodziewało: kompletną, własną rodzinę modeli sztucznej inteligencji. Siedem modeli. Własne laboratorium superinteligencji. I filozofia, która brzmi jak deklaracja niepodległości od dotychczasowych partnerów.

Mustafa Suleyman, szef Microsoft AI (MAI), opublikował wpis, który jest jednocześnie technicznym ogłoszeniem i manifestem. Tytuł mówi sam za siebie: „Building a hill-climbing machine” („Budowanie maszyny do wspinaczki na szczyt”). To nie przypadkowa metafora. Microsoft chce zbudować organizację, która poprawia się z każdym cyklem, niezależnie od tego, czy ktoś jej w tym pomaga.

Siedem modeli z jednego miejsca

Nowa rodzina obejmuje modele do rozumowania, kodowania, generowania obrazów, transkrypcji i syntezy mowy. Wszystkie zbudowane od zera, bez tzw. destylacji wiedzy z modeli innych firm. Microsoft podkreśla to mocno, bo to oznacza jedno: żadnego OpenAI, żadnego Anthropic w środku.

Oto co dostajemy:

• MAI-Thinking-1 – flagowy model rozumujący, który według Microsoftu w ślepych testach z udziałem ludzi wygrywa z Claude Sonnet 4.6. Dorównuje liderom w benchmarkach inżynierii oprogramowania.
• MAI-Code-1-Flash – 5 miliardów parametrów, zintegrowany z GitHub Copilot i VS Code. Tańszy w użyciu od Haiku, porównywalny wydajnościowo.
• MAI-Image-2.5 (i wersja Flash) – generowanie i edycja obrazów, które w testach Arena pokonały model Nano Banana Pro.
• MAI-Transcribe-1.5 – transkrypcja w 43 językach, pięciokrotnie szybsza od konkurencji, z obsługą terminologii specjalistycznej.
• MAI-Voice-2 – naturalna synteza mowy w 15 językach, z funkcją klonowania głosu na podstawie krótkiej próbki.

Modele trafią nie tylko do ekosystemu Microsoft, ale też na platformy OpenRouter, Fireworks i Baseten. Po raz pierwszy programiści będą mogli samodzielnie dostrajać wagi modeli.

Tu jest film prezentujący ogłoszenie:

Frontier Tuning, czyli AI skrojona pod konkretną firmę

Poza samymi modelami Microsoft zaprezentował podejście, które nazywa Frontier Tuning. Chodzi o dostrajanie modeli przy użyciu uczenia ze wzmocnieniem w środowiskach odzwierciedlających realne procesy danej organizacji. Innymi słowy: model uczy się na tym, jak naprawdę wygląda praca w Twojej firmie, a nie na generycznych danych.

Efekty? Dostrojony model MAI dla Excela osiąga wyniki porównywalne z GPT 5.4, będąc nawet dziesięciokrotnie bardziej efektywnym obliczeniowo. McKinsey testował dostrojony model i uzyskał najwyższy współczynnik „wygranych” spośród wszystkich testowanych rozwiązań, przy koszcie dziesięciokrotnie niższym od konkurencji. Brzmi dobrze. Bardzo dobrze. Ale trzeba zapytać: jak to weryfikować niezależnie?

Obserwuję ten kierunek od jakiegoś czasu i widzę w nim realną wartość, ale też poważne ryzyko. Dostrajanie modeli na danych organizacji to ogromna szansa, szczególnie dla dużych firm, które mają unikalne procesy i wiedzę operacyjną. Mniejsze koszty, lepsza trafność, model „rozumiejący” specyfikę branży – to brzmi jak to, czego biznes szuka od lat. Ale jest też druga strona. Im bardziej model jest zintegrowany z danymi firmy, tym głębsze uzależnienie od dostawcy. Co z portowaniem? Co jeśli za dwa lata warunki licencji się zmienią? I wreszcie: kto naprawdę kontroluje model, który „pozostaje własnością klienta”, ale działa na infrastrukturze Microsoftu? To pytania, na które warto szukać odpowiedzi zanim się podpisze umowę.

Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl

Sojusz z Mayo Clinic i AI w medycynie

Microsoft ogłosił też współpracę z Mayo Clinic, jedną z najbardziej prestiżowych instytucji medycznych świata. Wspólnie stworzą model przeznaczony specjalnie do zastosowań klinicznych, trenowany na zanonimizowanych danych pacjentów i wiedzy eksperckiej Mayo.

Model ma działać najpierw wewnętrznie w placówkach Mayo Clinic, a po walidacji trafić do innych podmiotów przez Azure Foundry. Prawa własności do modelu zachowa Mayo Clinic. To ważny szczegół i ciekawy precedens: duża instytucja branżowa jako właściciel modelu AI, nie dostawca technologii.

Jeśli ta współpraca przyniesie realne wyniki kliniczne, może stać się wzorem dla innych sektorów, gdzie dane są wrażliwe i wymagają szczególnej ochrony.

Humanistyczna superinteligencja, czyli co to właściwie znaczy?

Suleyman używa pojęcia „Humanist Superintelligence” („Humanistyczna Superinteligencja”). Brzmi górnolotnie. Co za tym stoi?

Idea jest prosta: zaawansowane systemy AI mają służyć ludziom i organizacjom, a nie ich zastępować. Maszyny mają pozostać narzędziami, podległymi ludzkim intencjom i kontroli. Microsoft zapowiada, że to właśnie ten kierunek ma definiować dalszy rozwój MAI.

To ładna deklaracja. Pytanie, czy jest coś więcej niż marketing. Microsoft publikuje szczegółowe raporty techniczne i dotyczące bezpieczeństwa, co jest dobrym sygnałem. Firma buduje modele na czystych, licencjonowanych danych, co odróżnia ją od wielu konkurentów. Współprojektuje je pod własny procesor Maia 200, co przełożyło się na 40% wzrost efektywności.

Co z OpenAI? I co z resztą rynku?

To jest pytanie, którego Microsoft oficjalnie nie zadaje, ale które wisi w powietrzu. Przez lata Redmond inwestował miliardy w OpenAI i integrował modele GPT z całym swoim ekosystemem. Teraz buduje własne alternatywy, które mają być lepsze, tańsze i bardziej dopasowane do potrzeb klientów.

MAI-Thinking-1 bije w benchmarkach Sonnet 4.6. MAI-Code-1-Flash rywalizuje z Haiku. To nie są przypadkowe porównania. Microsoft precyzyjnie celuje w modele dwóch firm, z którymi dotąd współpracował.

Sygnały niezależności technologicznej pojawiały się od miesięcy. Teraz mamy siedem modeli i laboratorium superinteligencji. Przy prognozowanym tysiąckrotnym wzroście mocy obliczeniowej w ciągu najbliższych trzech lat, skala ambicji Microsoftu staje się jasna.

Rynek będzie musiał się do tego dostosować.