微软 MAI 模型灰度接入 Excel 和 Outlook,开始替换 Office 中的 OpenAI 模型
彭博报道微软已在 Excel 和 Outlook 中灰度上线自研 MAI 模型,逐步替换 OpenAI 和 Anthropic。MAI-Thinking-1 微软称内部测试比肩 Claude Opus 4.8,但替换仍处早期灰度阶段,Copilot 付费用户仅 2000 万远落后于 ChatGPT 5000 万。大厂 AI 技术栈垂直整合趋势加速。
微软MAI模型灰度接入Excel和Outlook,开始替换Office中的OpenAI模型
2026年7月20日,彭博报道称微软已在Excel和Outlook中灰度上线自研模型MAI,逐步替换此前依赖的OpenAI和Anthropic模型。这是微软首次将自研模型大规模嵌入其核心办公产品线,但替换范围和实际占比都还有限。
事件:MAI已在Excel和Outlook灰度上线
据彭博2026年7月20日的报道(彭博报道),微软已在Excel和Outlook中灰度上线自研模型MAI,逐步替换此前依赖的OpenAI和Anthropic模型。报道指出,每周已有数万条AI请求由MAI处理,但这只占Office整体AI用量的一小部分。需要说明的是,这是媒体披露的灰度范围,微软官方并未对外发布完整的产品替换公告,"数万条"这一数字也来自媒体而非微软正式披露。
替换的模型:MAI-Thinking-1与MAI-Code-1
此次替换涉及两款模型。MAI-Thinking-1定位为通用推理模型,微软自述其在内部编程测试中的表现"比肩Claude Opus 4.8";MAI-Code-1则是面向GitHub Copilot的代码模型。需要区分的是,"比肩Claude Opus 4.8"是厂商自述数据,未经第三方公开评测验证,目前没有独立证据支撑这一"能力相当"的判断,"成本更低"也没有公开的具体数字。
Mustafa Suleyman:目标是减少对Anthropic的付费
微软AI负责人Mustafa Suleyman在6月Build 2026大会上明确表态(Build 2026 主题演讲):"我们向Anthropic支付了大量资金,目标是减少并最终消除这部分成本。"他同时称MAI的目标是"匹配原有水平",而不是"超越"。这一表述说明,微软当前阶段的策略是成本替代而非能力跃升。另据彭博报道,微软悄悄接入Claude系列已有一年多,原因据称是OpenAI在某些场景下性能不够——这表明微软的多供应商策略早于MAI就已存在。
灰度范围有限:仅Excel和Outlook
目前MAI替换仅在Excel和Outlook灰度试点,Teams、Word、PowerPoint、OneNote等其他Office组件均无MAI替换消息。这意味着MAI的覆盖范围仍非常有限,远未到全Office替换的程度。"每周数万条请求"相对于Office庞大的用户基数,占比很小。因此,"微软用自研模型替换OpenAI"目前更准确的描述是"在两个组件里小范围试点"。
Copilot与ChatGPT的规模差距
从用户规模看,Copilot截至2026年4月付费用户约2000万,月活约3850万;而OpenAI ChatGPT付费用户已超5000万,月活约10亿。两者在体量上存在明显差距。同一时期,OpenAI 2026年6月全球AI助手市场份额首次跌破50%;今年上半年OpenAI密集拿到亚马逊、Oracle的算力单子,明显往"独立平台公司"方向走。这些数据主要来自媒体与行业统计,部分为厂商披露口径,统计边界并不完全统一。
微软股价与行业背景
微软2026年股价累计下跌近20%,在美股科技七巨头里垫底。从行业趋势看,自研模型替代正在成为普遍动作:AWS在做Nova自研模型,Google一直用Gemini独立跑,阿里、字节都在把自研模型往自家产品里灌。微软此次MAI替换,更像是这一行业趋势中的一环,而非孤立事件。把MAI放在"云厂商自研模型进自家产品"的脉络里看,它既不意外,也不独特。
为什么现在值得关注
这件事值得现在关注,主要在于三点。其一,微软与OpenAI的关系正在出现实质性松动:从"独家依赖"转向"部分自研替代+多供应商并存",Suleyman公开谈论"消除对Anthropic的付费",本身就是一个供应链信号。其二,成本逻辑开始压倒能力逻辑——当厂商明确表示目标是"匹配"而非"超越",说明在Office这类规模化场景里,单位推理成本已成为比顶尖能力更重要的约束。其三,OpenAI市场份额跌破50%与微软股价垫底同时发生,反映出AI产业链上下游的议价结构正在重塑,"谁依赖谁"的天平在缓慢移动。
当前证据不能推出什么结论
基于现有证据,有几个结论不能轻率得出。第一,不能推出"MAI已全面替代OpenAI"——灰度仅覆盖Excel和Outlook,且占比很小。第二,不能推出"MAI能力已达OpenAI/Anthropic水平"——"能力相当"是厂商自述,没有第三方评测,"成本更低"也没有公开数字。第三,不能推出"微软与OpenAI将彻底分手"——微软仍是OpenAI的重要合作方,替换是局部的、渐进的。第四,不能从股价下跌直接推出"市场看衰微软AI"——股价受多重因素影响,单一归因不成立。当前阶段,MAI替换更应被理解为微软在成本和供应链安全上的对冲动作,而非能力或战略的根本转向。
本文为公开资料整理与技术学习参考,不提供采编、转载或发布服务。
17GB对100GB:Qwen3.8-27B与Flash-Next做同一批任务,省下的容量换来了什么?
同做89项终端任务,17GB的27B首轮完成35项,100GB的Flash-Next完成45项;最多两次是46对53,最多四次是48对60。本文追到9月13日后续结果,区分模型能力、环境故障和返工时间;测试为苹果MLX四位量化,不是GSQ-RCO IQ3_S,也不能套到16GB显卡。
Qwen3.8-Flash-Next每秒70词元?本地加速之前,先看模型究竟改了什么
同样叫Flash-Next,70词元/秒背后可能是另一条计算路径:每词元激活专家从10减到5,再训练共享专家补偿。本文对照单台DGX Spark的两套原始资料,拆开量化、MTP、输入速度、输出速度和并发吞吐,不把128GB统一内存结果套到16GB显卡。
NVIDIA PAIR:把家里的 RTX、DGX Spark 和 Mac 变成本地 AI 请求集群,但它不是“显存池化”
可以把 NVIDIA PAIR 理解成家里本地 AI 的“派单前台”:RTX 主机、DGX Spark、Mac 就像几名能力不同的员工,PAIR 看谁在线、谁装了对应模型、谁现在最空闲,就把下一份 AI 工作交给谁。它特别适合多 Agent 并发,但不会把 16GB + 24GB 显存拼成 40GB,也不会把一个大模型拆到多台机器上。