跳到正文
hebine.net刊 · 2026

微软开始为 Agent 做模型了:AI 竞争的方向正在改变

微软在 Ignite 2026 一口气发了 7 款自研 MAI 模型,重点不在争榜单第一,而在压低常驻 Agent 的运行成本。从 Meta Muse 的千万下载爆火,到微软 Autopilot 与 Google Hydrogen 的分层路由,AI 竞争已经从模型跑分转向个人与工作 Agent。

何必呢约 6 分钟

11 月 17 日的 Ignite 2026 大会上,微软一口气发布了 7 款自研 MAI 模型。比起又多了几个新名字、跑分排在第几,发布里更值得留意的一条主线,是微软一直在算账:怎么把 Agent 持续调用和日常工作流的成本压下来。

看几款主力模型的定位就很清楚。按微软公布的数据,面向软件工程的 MAI Code 2 用 40% 的价格做到了 GPT-6.1 Sol 98% 的编码水准,和 Claude Opus 5.5 比更是只用 5% 的价格拿到了 96% 的表现;更轻量的 MAI Code 2 Flash 直接下放到 GitHub Copilot 免费层,承接解释代码、小范围修改这类高频动作;面向安全防御的 MAI Cyber 2 Flash,单任务成本直接压到了 GPT-6 Astra 的 2% 以内。再加上同步亮相的实时语音(MAI Realtime 1)、转录(MAI Transcribe 2)、图像(MAI Image 2.7)与企业决策模型(Decision 1.1),微软端出来的是一整套按工种拆分的专用模型。

微软自己也挑明了,MAI Code 2 不去硬啃基础科研和超长链路的复杂任务,这类重活在 Copilot 里照样交给外部旗舰模型。

从争夺单一旗舰榜单第一,转向把日常高频编码、安全巡检、语音与决策拆分给便宜够用的专用模型,只把极少数硬骨头留给旗舰模型

手握顶级算力和研发资源的微软,为什么不再执着于训出一个“跑分第一”的通用大模型?把这件事和过去两个月行业里最猛烈的一次产品爆火放在一起看,答案就非常清楚了。

Meta Muse 的爆火,替大厂捅破了一层窗户纸

9 月初上线的 Meta Muse,是今年下半年最出圈的 AI 产品:上线 22 天下载破 500 万,40 天全美下载量突破 1000 万,起量速度直接跑赢了早期的 ChatGPT 和 Claude。

Muse 给全行业带来的最大震动,不是模型有多强,而是它用上千万真实用户验证了一件事:不拿大模型排行榜第一,照样能做出国民级的 AI 爆款。

Meta 发布 Muse 时,没有把重点放在证明自家的 Muse Spark 或 Wonder 模型压过了 GPT-6 还是 Claude Opus,而是围绕一个够用的模型,直接给每个用户配了一台持续在线的云端虚拟机和独立浏览器。它能连上邮件、日程和常用网页,处理预订、填表、购物和整理信息;用户交代完任务就能关掉窗口,让它在后台继续干活,遇到付款、发信等敏感动作再停下来请求确认。

更早一步在 8 月上线的 xAI Grok Bot 走的也是同一条路:每个 Bot 自带云端电脑和终端,遇到没有现成 API 的后台就像人一样打开浏览器登录操作,把 AI 从“等你提问的聊天框”变成了“替你推进过程的云端同事”(此前在《OpenClaw 没死,它活在 AI 大厂的版本答案里》里拆解过这套形态)。

普通人不需要一个每天拿来陪聊的状元模型,他们需要一个交代完目标就能替自己把事办了的助手。模型是发动机,Agent 才是用户真正买单的产品。

AI 交互从守着聊天框一问一答就停,转向关掉窗口后由云端电脑常驻后台干活,但也随之带来算力账单暴涨

Muse 的爆火,等于替微软、Google 这些巨头捅破了这层窗户纸:市场已经用真金白银证明,不必死磕“宇宙第一模型”,先把够用的模型做成能长期干活的 Agent 才是正事。

与此同时,Muse 也把常驻 Agent 最残酷的另一面摆上了台面:几百万人同时在后台挂着云端电脑开网页、调工具,算力开销远不是一问一答的 Chatbot 能比的,逼得 Meta 很快就要靠开放节奏、免费额度和分层订阅来控制负载。

微软和 Google 交出的是同一份“成本答卷”

看懂了 Muse 同时验证的这两件事——“够用的模型就能跑出爆款 Agent”与“常驻 Agent 极度烧钱”,再回头看微软在 Ignite 2026 的整盘棋,前因后果就全扣上了。

微软看得很明白。在这次 Ignite 上,CEO 纳德拉不仅宣布直接把 Meta 的 Muse 模型家族(Muse Wonder、Muse Spark 1.3 等)引进自家的 Microsoft Foundry,还在 Microsoft 365 里正式端出了常驻智能体 Autopilot:同样给每个用户配独立的后台云端电脑环境、持久记忆和专属身份,哪怕关掉笔记本电脑,它也能 24 小时在后台盯邮件、回消息、推进长期项目;外加多人与多 Agent 协作的 Copilot Workspaces,以及专门帮企业管权限、算投入产出比的 Agent 365。

一旦微软决定把 Copilot 和 Autopilot 推向千万级企业用户的后台常驻,模型层的任务就彻底变了。

聊天框时代,一天触发几十次推理就算高频;换成挂在后台盯 Teams、改代码、跑安全巡检的 Agent,一个任务拆出几十上百步工具调用是常态。如果每一步读文件、改几行代码、做一轮检查都去调最昂贵的旗舰模型,企业和云厂商的财务账本根本算不平。

所以微软在模型层直接放下了“争通用榜单第一”的包袱,给出了一套软硬一体的分层方案:底层让 7 款新 MAI 模型在生产环境直接跑上自研的第二代 AI 芯片 Maia 200,压低每瓦特的 Token 成本;中间用自家便宜、够快的专用模型接住八九成的高频常规动作;顶层再留给 GPT-6 或 Claude 旗舰去啃最难的硬骨头。

面对全天百步调用的负载,通过筛网将八九成日常执行分流给自研芯片与专用模型,只把极少数复杂规划留给旗舰重模型

同一时间,Google 在 11 月发布的 Gemini 4 Hydrogen 也在做同一道算术题。Google 手里已经有负责深度推理的 Carbon 和 Argon,却专门拿出一款统一定价每百万 Token 输入 1.5 美元、输出 7.5 美元的 Hydrogen,作为日常编码和 Agent 工作流的高速主力,并在开发工具里配上编排机制:重模型做架构规划,轻快的 Hydrogen 跑高频执行。再往前看,OpenAI 在 9 月底顶着 Muse 的势头推出常驻 Agent 产品 Dots 时,也同步端出了压低单价的 GPT-6.1 Sol 和批量模型 Luna(见《GPT-6 三个模型有什么区别,应该怎么选?》)。

从 9 月卷“给 Agent 配一台云电脑”,到 11 月卷“按 Agent 的分工拆模型、压成本”,头部厂商的动作已经串成了一条线。

生态巨头的底牌,从来不是跑分第一

沿着这条线往下看,微软、Google 和 Meta 手里握有一张 OpenAI 和 Anthropic 没有的底牌:现成的操作系统、办公套件与社交入口。

纯模型实验室必须靠智力领先和算力订阅直接变现,每一次后台重试最终都得从会员费或 API 账单里赚回来;而老牌平台巨头算的是另一本账(我们在《Dots 之后,个人 Agent 真正的战争才刚刚开始》里做过对比):微软有 Windows、Office、Teams、GitHub 和 Azure,Google 有搜索、Android、Chrome 和 Workspace,Meta 有 WhatsApp、Instagram 和充沛的广告现金流。

它们不需要在每一项极限基准测试上都排第一。

只要有一套足够稳、足够快、足够便宜的模型,撑起自己的 Agent 产品,再顺滑地塞进几十亿人每天本来就在打开的软件里,用自研芯片、分层路由和主业规模把运行成本摊薄,就能筑起极高的竞争壁垒。

这也是过去两个月从 Meta Muse 到微软 Ignite 2026 给行业留下的最清晰信号:AI 行业下一阶段的竞争,已经从模型排行榜之争转向个人与工作 Agent 之争。

微软这次一口气发 7 款专用新模型,表面看是在补齐自研模型能力,实际上是在为常驻 Agent 的持久战备足粮草。模型越来越像底层的算力水电,谁能成为用户日常工作和生活里真正托付事情的助手,谁就握住了下一代软件入口。

#AI#科技观察