Microsoft Build 2026：
MAI 自研 7 モデル——OpenAI からの独立と Surface RTX Spark

2026 年 7 月の Microsoft Build 2026 で、Microsoft は MAI（Microsoft AI）自研 7 モデルと Surface RTX Spark Dev Box を一斉公開し、OpenAI への 1300 億ドル超の累計投資からの戦略的独立を宣言しました。Azure 企業顧客・GitHub Copilot ユーザー・多モデルルーティングを検討する CTO にとって、MAI-Thinking-1 のベンチマーク解釈、MAI-Code-1-Flash の即日利用可否、ローカル 120B+ 推論ハードの意味が選定の分岐点になります。本記事は Mustafa Suleyman の「set free」発言から各モデルのパラメータ・価格・真の競合位置、追いつき戦略、6 ステップ開発者ガイドと Python 例まで、意思決定に必要な結論を整理します。

01 OpenAI 依存と自研判断——導入前に避けたい 4 つの痛点

過去 7 年間、Microsoft は OpenAI に累計 1300 億ドル超を投じ、Azure 上の GPT モデルが AI 戦略の柱でした。しかし深度依存は次のリスクを生みます。

• コストの不可逆拡大：API 呼び出しごとに OpenAI へ支払いが発生し、規模拡大ほど利益率が圧迫されます。
• 技術主権の欠如：モデル反復速度、データ出所、重みの所有権をコントロールできません。
• 契約上の自研制限：旧契約は Microsoft の大規模自前訓練を明示的に制限していました。
• マーケティングと実測の乖離：「Opus 対標」と謳われても、技術レポートは Sonnet 4.6 との比較である場合があります——2026 年 6 月の Claude / GPT-5.6 動向と合わせて読む必要があります。

転換点は 2025 年末。双方の再交渉でモデル規模制限が撤廃され、Microsoft は独自の「スーパーインテリジェンス」追求が許可されました。AI 責任者 Mustafa Suleyman は次のように述べています。

「私たちはおよそ 6 か月前に、OpenAI との契約から正式に解放（set free）され、自社の IP・データ・算力でスーパーインテリジェンスを追求することが許可されました。これは非常に初期の段階です。」

Build 2026 は、その自研脳を世界に初めて示したイベントです。

02 7 つの MAI モデル——仕様・ベンチマーク・価格の完全対照

MAI-Thinking-1 — 推論フラッグシップ

Microsoft 初の推論モデル。企業向けコーディングと数学推論を主眼に、コスト効率を差別化軸としています。

MAI-Image-2.5 — テキスト生成・画像編集

• Text-to-Image：Arena.ai 総合 #3
• Image Editing：Arena.ai #2
• Control with Preservation：編集時に構図・意味構造を保持
• 統合：PowerPoint、OneDrive、Azure Foundry Model Catalog

MAI-Transcribe-1.5 — 音声転写

FLEURS 43 言語ベンチマークでは Scribe V2、Whisper-large-V3、GPT-4o-Transcribe、Gemini 3.1 Flash を上回るとされています。Teams 会議記録、コールセンター、Copilot 音声入力に適用されます。

MAI-Voice-2 — 多言語 TTS

• Zero-shot 音声クローン：数秒の参照音声から話者を再現
• 感情スタイル：トーン・速度・感情色を制御
• 言語：15+ 言語を新規追加（全リストは順次公開）
• 出力：MP3、24 kHz
• 価格：$22 / 1M 文字。Flash 版（超低遅延）は近日公開

MAI-Code-1-Flash — コーディング助手

• コンテキスト：256K tokens
• 状態：GitHub Copilot に本番稼働中（CLI・VS Code・GitHub Actions）
• 価格：$0.75 / 1M 入力、$4.5 / 1M 出力 tokens
• SWE-Bench：51%——Claude Haiku 4.5 を上回り、速度・コストで優位

7 モデル中、MAI-Code-1-Flash が開発者への即日インパクト最大——私有プレビュー待ち不要で、今日の VS Code 内で動いています。

03 追いつき分析——Suleyman の top-4 宣言とワークフロー vs ベンチマーク

Suleyman は Build 2026 で次のように述べました。

「目標は、世界のトップ 4 の AI ラボの一つになれることを証明することです。現時点で重要な 3 つ——Google DeepMind、OpenAI、Anthropic——の中に私たちはいません。それが私が Microsoft に来た理由です。最高のフロンティアモデルを、完全マルチモーダルで、ゼロから構築します。」

ワークフロー vs ベンチマークの洞察：競争の本質は「誰のモデルが最強か」から「誰のシステムが最も摩擦なく使えるか」へ移行しています。MAI-Code-1-Flash が Copilot に内蔵されれば、7,500 万開発者はモデル名を意識せず MAI を使います。企業データが Azure 内に留まり MAI を Fine-tune できれば、OpenAI/Anthropic API 利用企業が競合のモデル改善にデータを供与する構造を回避できます。ChatGPT Work と Codex 統合が示すように、配布とワークフロー統合こそがリーダーボードより複製困難な堀になり得ます。

04 Surface RTX Spark Dev Box——ローカル 120B+ 推論の「dream machine」

Satya Nadella はこれを 「dream machine」 と称しました。NVIDIA RTX Spark スーパーチップ（Blackwell GPU + Grace CPU）を搭載する開発者向けコンパクトデスクトップです。

プリインストール環境には WSL 2（GPU パススルー）、VS Code + Copilot、PowerShell 7、Python、Node.js、CUDA/cuDNN、AI Toolkit for VS Code、Foundry CLI が含まれます。戦略的意味はクラウド token 課金からデスク上の AI 主権へ——120B をローカルで回せば API 費用を回避できます。Ollama によるローカル LLM ガイドと併読すると、Apple Silicon と NVIDIA ローカル推論の選定軸が明確になります。

05 開発者アクセス 6 ステップ・Python 例・引用データ・参考来源

MAI モデルを本番ワークフローに組み込むための実践手順です。

1. Azure Foundry ワークスペースの作成：ai.azure.com でリソースをプロビジョニングし、MAI モデルと GPT モデルの共存ポリシーを確認します。
2. MAI-Code-1-Flash の即時確認：GitHub Copilot または VS Code でインライン提案が MAI バックエンドを使っているか、Copilot 設定と API ログで検証します。
3. MAI-Thinking-1 私有プレビュー申請：Model Catalog で「MAI-Thinking-1」を検索し、アクセス申請を提出します。
4. 画像・音声 API のキー設定：MAI-Image-2.5 は Foundry Catalog、MAI-Transcribe-1.5 / MAI-Voice-2 は Azure Speech API からエンドポイントとキーを取得します。
5. コスト見積もり：Transcribe $0.36/hr、Voice $22/1M 文字、Code $0.75/$4.5 per 1M を月次トークン量に掛け、GPT-5.5 ルートと比較します。
6. ハイブリッドルーティング設計：旗艦推論は Opus/GPT、高頻度コーディングは MAI-Code-1-Flash、機密データは Azure 内 MAI Fine-tune——ハイブリッド AI アーキテクチャの原則に沿って振り分けます。

import openai

client = openai.AzureOpenAI(
    azure_endpoint="https://<your-resource>.openai.azure.com/",
    api_key="<your-api-key>",
    api_version="2026-05-01"
)

response = client.chat.completions.create(
    model="mai-code-1-flash",
    messages=[
        {"role": "system", "content": "You are an expert software engineer."},
        {"role": "user", "content": "Refactor this Python function to use async/await: ..."}
    ],
    max_tokens=2048
)
print(response.choices[0].message.content)

• MAI-Thinking-1 SWE-Bench Pro：52.8%（Opus 4.8 は 69.2%、GPT-5.5 は 58.6%）
• MAI-Transcribe-1.5 速度：276× リアルタイム、$0.36/時間
• MAI-Code-1-Flash：256K コンテキスト、SWE-Bench 51%、$0.75/$4.5 per 1M
• Surface RTX Spark：128GB 統合メモリ、1 PFLOP、100W、120B+ ローカル
• コスト差：MoE 35B 活性化により密集旗艦比推論コスト大幅削減

以下は主要参考来源です。発表後は公式ページで最新情報を再確認してください。

Microsoft AI — Introducing MAI-Thinking-1

MAI-Thinking-1 Technical Report (PDF)

Microsoft Build 2026 MAI Keynote Transcript

Azure AI Foundry Blog — New MAI Models

Surface RTX Spark Dev Box（Microsoft Devices Blog）

The Verge — Microsoft and OpenAI broke up

VentureBeat — Microsoft AI chief "set free" from OpenAI

FrontierNews.ai — Microsoft's New AI Models Don't Beat Claude Yet

MAI モデル評価や Copilot 連携 PoC を本番で回すには、ローカル Mac のスリープによるジョブ中断、共有クラウド VM の Hypervisor オーバーヘッド、仮想化 Mac 上の Xcode/Metal ツールチェーン互換性問題がボトルネックになります。SaaS API だけでは、iOS CI/CD と Agent 7×24 自動化を代替できません。ゼロロスネイティブ算力と安定した Apple Silicon 本番環境が必要な場合、ZUKCLOUD のベアメタル Mac mini クラウドノードが通常より優れた選択です——物理機独占、Hypervisor 損失なし、日/週/月の柔軟契約。ベアメタルアーキテクチャ宣言で設計思想を確認し、料金・注文ページで具体構成をご検討ください。

06 よくある質問 FAQ

Q：MAI-Thinking-1 は今すぐ使えますか？
A：現在は Azure Foundry 私有プレビューです。Model Catalog で申請が必要で、公開プレビューは数週間以内とされています。

Q：MAI-Thinking-1 は本当に Claude Opus に匹敵しますか？
A：マーケティングは Opus 4.6 対標ですが、技術レポートは Sonnet 4.6 との競合と記載しています。現行 Opus 4.8 の SWE-Bench Pro は 69.2% で、MAI-Thinking-1 の 52.8% より約 16 ポイント高いです。

Q：Surface RTX Spark Dev Box の価格は？
A：未発表です。2026 年秋に米国 Microsoft.com 限定で販売予定で、個人も購入可能です。

Q：開発者が今すぐ使える MAI モデルは？
A：MAI-Code-1-Flash、MAI-Image-2.5、MAI-Transcribe-1.5、MAI-Voice-2 が利用可能です。MAI-Thinking-1 は申請が必要です。

Q：Azure 上で MAI と OpenAI モデルは共存できますか？
A：はい。同一 Foundry ワークスペースで MAI モデルと GPT-5.6 などを併用できます。

Q：MAI-Code-1-Flash と GitHub Copilot の関係は？
A：MAI-Code-1-Flash は GitHub Copilot（CLI・VS Code インライン提案）のバックエンドモデルの一つで、設定変更不要で稼働しています。

Q：MAI と OpenAI モデルの最大の違いは？
A：データ所有権です。Azure 内で MAI を Fine-tune したデータはテナント内に留まり、Microsoft のベースモデル訓練に使われないとされています。金融・医療・法務では重要な差別化要因です。