Microsoft hat drei neue interne KI‑Modelle für Text-, Sprach- und Grafikgenerierung veröffentlicht

Microsoft AI startet drei neue multimodale Modelle

Im Rahmen der Bemühungen, seine Position im Bereich Künstliche Intelligenz (KI) zu stärken, kündigte die Forschungsabteilung Microsoft AI die Veröffentlichung von drei eigenen Modellen an, die in der Lage sind, Text, Audio und Bilder zu generieren. Diese Entscheidung war eine Reaktion auf den Wettbewerb mit führenden KI-Laboratorien.

ModellZweckSchlüsselkennzahlenMAI‑Transcribe‑1Konvertiert Sprache in Text25 Sprachen, Geschwindigkeit 2,5 × schneller Azure FastMAI‑Voice‑1Erstellt AudiospurEine Minute pro Sekunde, StimmenanpassungMAI‑Image‑2Generiert Bilder aus Text
Das Projekt wurde von der Gruppe MAI Superintelligence – einer Abteilung für Grundlagenforschung im Bereich fortschrittlicher KI-Systeme – entwickelt. Im November 2025 trat der Geschäftsführer Mustafa Suleyman dem Team bei.

KostenwirksamkeitDie Entwickler legten besonderen Wert auf die Senkung der Rechenkosten im Vergleich zu Google- und OpenAI-Äquivalenten:

DienstPreisTextdekodierung$0,36/StundeSprachsynthese$22 pro 1 Mio. ZeichenBildverarbeitung$5 pro 1 Mio. Eingabetoken; $33 für die Generierung von 1 Mio. Ausgabetoken
Die Modelle sind bereits auf der Microsoft Foundry-Plattform bereitgestellt. Transkription und Sprachsynthese sind im MAI Playground verfügbar.

Partnerschaft mit OpenAITrotz der aktiven Entwicklung eigener Lösungen bestätigte Mustafa Suleyman die Verpflichtung zur Zusammenarbeit mit OpenAI: Microsoft hat bereits über 13 Mrd. US-Dollar investiert. Das Unternehmen wird weiterhin OpenAI-Modelle in seinen Produkten einsetzen, gemäß einem langfristigen Vertrag und einer Diversifikationsstrategie ähnlich der Arbeit mit Mikroprozessoren.

Damit stärkt Microsoft AI seine Position auf dem KI-Markt, indem es schnelle und kostengünstige multimodale Lösungen anbietet und gleichzeitig enge Beziehungen zu Schlüsselpartnern pflegt.