Microsoft 7 月 23 日宣布，MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash 進入 public preview。前者主打高保真影像生成、編輯與圖片內文字，後者面向需要低延遲和大量通話的語音服務；兩者都可從 Microsoft 的模型與產品入口使用。
Microsoft 為 MAI-Image-2.5-Pro 列出的價格是每 100 萬個文字輸入 token 5 美元、每 100 萬個影像輸入 token 8 美元、每 100 萬個影像輸出 token 106 美元。MAI-Voice-2-Flash 則以每 100 萬字元 15 美元計價，Microsoft 稱它的速度是 MAI-Voice-2 的 2 倍、價格低 32%。這些數字都是 Microsoft 公布的產品條件。
Microsoft 將 MAI-Image-2.5-Pro 放進 Azure 與創意工具
MAI-Image-2.5-Pro 的主要用途是文字轉影像與影像轉影像，適用於廣告視覺、簡報素材、設計修改和既有圖片的局部編輯。Microsoft 的模型卡將 Azure AI Foundry、MAI Playground、PowerPoint 與 OneDrive Photos 列為分發管道，其中 Azure AI Foundry 的 API 存取正從 private preview 擴大到 public preview。
Microsoft 也把 MAI-Image-2.5 放進 Bing Image Creator，並表示它已成為預設的自研影像模型。PowerPoint 已使用它處理 image-to-image 功能；OneDrive 的部分生產環境編輯流程則由它負責。
Microsoft 把 MAI-Image-2.5 的生產數字放在 OneDrive 與 PowerPoint
Microsoft 表示，PowerPoint 使用 MAI-Image-2.5 後，影像生成的 GPU 成本最高可比 GPT-Image-2 低 84%。OneDrive 的內部生產資料則顯示，圖片儲存率提高 26%、P95 延遲約降 25%，中等使用量下的效率達到原來的 2.5 倍。公告沒有提供獨立測試、樣本數或完整工作負載定義，這些數字應視為 Microsoft 對自身產品的成效說明。
這種部署方式也改變模型比較的單位：同一個模型名稱會同時對應 API、消費者工具和企業軟體，成本與延遲要看實際產品流程。Microsoft 目前公布的是特定服務的觀察值，不能直接換算成所有開發者都能得到相同的 GPU 節省。
MAI-Voice-2-Flash 進入 Dynamics 365 Contact Center 與 Azure Voice Live
MAI-Voice-2-Flash 被放進 Dynamics 365 Contact Center，供 T-Mobile、EasyJet 等客戶使用的客服 agent 產生語音；Microsoft 稱它在這項服務中可讓 GPU 成本最高降低 89%。它也整合到 Azure Voice Live，讓開發者建立 speech-to-speech 的語音 agent。
語音模型的取捨與影像模型不同。客服中心更在意回應速度、長時間生成、聲音自然度和單位成本，Microsoft 因此把 Flash 版本放在高量工作負載的位置；MAI-Voice-2 的完整品質與語音表現仍是同一家族的另一個選項。
Microsoft 以自研 MAI 模型分開處理品質、速度與成本
Microsoft 把 MAI 模型部署在 Bing、PowerPoint、OneDrive、Dynamics 365、Azure 等既有產品，並稱這些模型已在大規模生產環境服務使用者。對 Azure 開發者而言，現在可以依影像保真度、語音延遲與呼叫量選擇不同變體，但 public preview 仍代表 API 條件與可用範圍可能繼續調整。
目前已公布的可用入口包括 Azure AI Foundry、MAI Playground、PowerPoint、OneDrive Photos、Dynamics 365 Contact Center 與 Azure Voice Live；Microsoft 沒有在這份公告中承諾兩個 preview 模型的最終 GA 日期。
消息來源：Microsoft AI：MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash、Microsoft：MAI-Image-2.5 Model Card。
