۷ مدل، ۳۵ میلیارد پارامتر، یک اعلام استقلال: مایکروسافت در Build ۲۰۲۶ پرده از «مغز اختصاصی» خود برداشت؛ دوران «اجاره هوش» به پایان رسید

---

مهمانی تمام شد، میزبان آشپز خودش شد

سال‌ها بود که مایکروسافت با افتخار بزرگ‌ترین مشتری OpenAI بود. چت‌جی‌پی‌تی در قلب محصولات مایکروسافت لانه کرده بود و ساتیا نادلا هر بار با لبخندی راهبردی از «بهترین شراکت تاریخ فناوری» سخن می‌گفت. اما در صبح روز ۳ ژوئن ۲۰۲۶، در سالن Fort Mason Center سان‌فرانسیسکو، نادلا و مصطفی سلیمان، مدیرعامل تازه‌نفس مایکروسافت AI، با ۷ مدل هوش مصنوعی کاملاً اختصاصی روی صحنه رفتند تا پیامی شفاف بفرستند: «ما دیگر هوش را اجاره نمی‌دهیم؛ خودمان می‌سازیمش.»

خانواده MAI (مخفف Microsoft AI) متولد شد. یک اکوسیستم کامل از مدل‌های استدلال، کدنویسی، تولید تصویر، تبدیل صدا به متن و گفتار که با تراشه‌های اختصاصی Maia 200 هم‌طراحی شده‌اند تا بهره‌وری را به حداکثر برسانند. سه بازیگر اصلی این ورق‌خوردن تاریخی عبارت‌اند از: مایکروسافت که پس از سال‌ها وابستگی، حالا می‌خواهد «مالک زنجیره ارزش هوش» باشد؛ OpenAI که بزرگ‌ترین مشتری خود را در آستانه استقلال می‌بیند؛ و توسعه‌دهندگان GitHub که ناگهان با یک موتور کدنویسی جدید و کارآمدتر روبه‌رو شده‌اند. پارادوکس ماجرا در یک جمله خلاصه می‌شود: مایکروسافت برای آنکه «از شر OpenAI خلاص شود»، مجبور شد خودش تبدیل به OpenAI شود.

---

بخش فنی/معماری: MAI-Thinking-1 – مغز ۳۵ میلیاردی که با اسب‌های سنگین مسابقه می‌دهد

پرچم‌دار این خانواده، MAI-Thinking-1 است: اولین مدل استدلالی (reasoning model) که مایکروسافت از صفر تا صد به صورت داخلی ساخته است. این مدل با معماری Mixture of Experts (MoE) بسیار پراکنده طراحی شده و ۳۵ میلیارد پارامتر فعال دارد – عددی که در مقایسه با غول‌هایی مثل GPT-5.5 یا Claude Opus بسیار کوچک‌تر است، اما مایکروسافت ادعا می‌کند در بنچمارک‌های مهندسی نرم‌افزار با بهترین‌های صنعت برابری می‌کند.

اعداد فنی این مدل نفس‌گیرند:

• پنجره زمینه (Context Window): ۲۵۶,۰۰۰ توکن – یعنی توانایی بارگذاری همزمان یک سند ۶۰۰ صفحه‌ای در حافظه.
• عملکرد در بنچمارک SWE-Bench Pro: برابر با Claude Opus 4.6 – یکی از سخت‌ترین آزمون‌های مهندسی نرم‌افزار.
• نمره در AIME 2025 (آزمون ریاضی پیشرفته): ۹۷٪.
• ترجیح انسانی: در آزمون‌های کور (blind tests)، کاربران انسانی MAI-Thinking-1 را به Claude Sonnet 4.6 ترجیح داده‌اند.

اما مهم‌ترین ویژگی این مدل، روش توسعه آن است. مایکروسافت تأکید کرده که MAI-Thinking-1 «از صفر روی داده‌های پاک و دارای مجوز تجاری آموزش دیده» و هیچ گونه تقطیر (distillation) از مدل‌های دیگر در آن صورت نگرفته است. این یعنی مایکروسافت برای اولین بار ادعای «استقلال فکری» کامل در هوش مصنوعی دارد – برخلاف بسیاری از رقبا که مدل‌های خود را بر اساس خروجی مدل‌های بزرگ‌تر می‌سازند.

مدل در حال حاضر از طریق Microsoft Foundry به صورت پیش‌نمایش خصوصی در دسترس است.

---

بخش فنی/معماری: MAI-Code-1-Flash – سرباز گمنامی که به کمک کدنویسان می‌آید

در کنار پرچم‌دار استدلالی، مایکروسافت مدلی عملیاتی‌تر و تأثیرگذارتر هم معرفی کرد: MAI-Code-1-Flash، اولین مدل تخصصی کدنویسی این شرکت. این مدل با ۵ میلیارد پارامتر فعال طراحی شده و مستقیماً در GitHub Copilot و VS Code ادغام می‌شود.

ارقام عملکردی این مدل در بنچمارک‌های کدنویسی شگفت‌آور است:

بنچمارک	MAI-Code-1-Flash	Claude Haiku 4.5
SWE-Bench Pro	۵۱.۲٪	۳۵.۲٪
SWE-Bench Verified	۷۱.۶٪	۶۲.۷٪
SWE-Bench Multilingual	۶۵.۵٪	۵۴.۸٪
Terminal Bench 2	۵۴.۸٪	۴۱.۰٪

(منبع: اعلام رسمی مایکروسافت)

اما رقم کلیدی، فراتر از درصد قبولی است: این مدل تا ۶۰٪ توکن کمتری نسبت به Claude Haiku 4.5 مصرف می‌کند – یعنی هم سریع‌تر، هم ارزان‌تر. مایکروسافت این مدل را «برای محیط‌های تولیدی واقعی» طراحی کرده، نه صرفاً برای بهینه‌سازی روی بنچمارک‌های آزمایشگاهی. نکته جالب دیگر اینکه MAI-Code-1-Flash مستقیماً با هارنس (harness) تولیدی GitHub Copilot آموزش دیده تا نحوه تعامل با ابزارها و سیستم‌های اطراف را در وظایف کدنویسی عامل‌محور (agentic coding) بیاموزد.

این مدل در حال حاضر برای کاربران GitHub Copilot Individual در VS Code در دسترس است و به‌تدریج در حال انتشار است.

---

بخش استراتژی: پایان «اجاره هوش» و تولد «اکوسیستم بسته» مایکروسافت

معرفی ۷ مدل MAI صرفاً یک رویداد فنی نیست؛ یک تغییر راهبردی عظیم است. مایکروسافت پس از سال‌ها که هسته هوش مصنوعی خود را از OpenAI و اخیراً Anthropic اجاره می‌کرد، حالا دارد پشته کامل هوش مصنوعی خود را می‌سازد.

سه لایه این استقلال راهبردی:

۱. لایه مدل: ۷ مدل اختصاصی در حوزه‌های استدلال، کدنویسی، تصویر، گفتار و رونویسی – که هرکدام جایگزینی برای محصولات رقیب هستند.
۲. لایه سخت‌افزار: تراشه Maia 200 که مخصوص استنتاج این مدل‌ها طراحی شده و با آنها هم‌بهینه‌سازی شده است.
۳. لایه پلتفرم: Microsoft Foundry، Azure و Windows به عنوان بستر اجرای این مدل‌ها.

نادلا در keynote گفته است: «مایکروسافت Foundry هم‌اکنون بیش از ۱۱۰۰۰ مدل دارد که شامل OpenAI، Anthropic و MAI می‌شود. اما判断 ما این است که شرکت‌ها و توسعه‌دهندگان به یک مدل برای همه کارها تکیه نمی‌کنند؛ هر وظیفه‌ای مدل خودش را می‌طلبد.»

اما پیام پنهان این است: مایکروسافت دیگر نمی‌خواهد «مغز» خود را از کسی اجاره کند. در حالی که سهام OpenAI و Anthropic برای ثبت رکورد IPO رقابت می‌کنند، مایکروسافت دارد زیرپایی آنها را از زیرشان می‌کشد. اگر توسعه‌دهندگان به MAI-Code-1-Flash عادت کنند، چه نیازی به پرداخت هزینه‌های گزاف به Anthropic یا OpenAI خواهند داشت؟

---

بخش پیامدها: «لحظه اندروید» هوش مصنوعی

در سطح تاریخی، این رویداد یادآور تصمیم گوگل در سال ۲۰۰۵ برای خرید اندروید است؛ تصمیمی که به گوگل اجازه داد از وابستگی به مایکروسافت و اپل رها شود و پلتفرم اختصاصی خود را بسازد. مایکروسافت امروز دقیقاً همان کار را در حوزه هوش مصنوعی انجام می‌دهد: «ما دیگر نمی‌خواهیم روی زیرساخت دیگران سوار شویم.»

سه پیامد فوری این تصمیم:

۱. فشار بر OpenAI و Anthropic: مایکروسافت بزرگ‌ترین مشتری هر دو شرکت است. استقلال تدریجی مایکروسافت، این دو غول را مجبور می‌کند که یا مشتریان جدیدی پیدا کنند یا قیمت‌های خود را کاهش دهند.
۲. کاهش هزینه برای توسعه‌دهندگان: MAI-Code-1-Flash با مصرف ۶۰٪ توکن کمتر، یعنی هزینه‌های بسیار پایین‌تر برای کاربران GitHub Copilot – درست در زمانی که مایکروسافت مدل صورتحساب توکنی را اعمال کرده بود.
۳. رقابت در همه جبهه‌ها: مایکروسافت با این ۷ مدل، عملاً وارد رقابت مستقیم با OpenAI (در استدلال)، Anthropic (در کدنویسی)، Midjourney (در تولید تصویر) و ElevenLabs (در گفتار) شده است.

---

جدول مقایسه: نبرد مدل‌های اختصاصی مایکروسافت با رقبا

مدل مایکروسافت	حوزه	پارامترهای فعال	رقیب مستقیم	مزیت کلیدی
MAI-Thinking-1	استدلال چندمرحله‌ای	۳۵ میلیارد	Claude Opus 4.6 / GPT-5.5	برابری با Opus 4.6 در SWE-Bench Pro با اندازه کوچک‌تر
MAI-Code-1-Flash	کدنویسی عامل‌محور	۵ میلیارد	Claude Haiku 4.5	+۱۶٪ در SWE-Bench Pro، ۶۰٪ توکن کمتر
MAI-Image-2.5	تولید و ویرایش تصویر	نامشخص	Nano Banana Pro	عبور از Arena Score Nano Banana Pro
MAI-Transcribe-1.5	رونویسی گفتار	نامشخص	رقبای صنعت	۵ برابر سریع‌تر از رقبا، پشتیبانی از ۴۳ زبان
MAI-Voice-2	تولید گفتار طبیعی	نامشخص	ElevenLabs	پشتیبانی از ۱۵ زبان، تطبیق با نمونه صوتی کوتاه

(داده‌های ترکیبی از اعلام رسمی مایکروسافت، ژوئن ۲۰۲۶)

---

جمع‌بندی: «لحظه شکستن قفس» – مایکروسافت دیگر مهمان OpenAI نیست

به این رویداد باید نام «لحظه جابجایی قدرت» را داد. مایکروسافت پس از سال‌ها که به عنوان «مهمان‌نواز OpenAI» شناخته می‌شد، حالا با ۷ مدل اختصاصی نشان داده که می‌خواهد خودش صاحب‌خانه باشد. MAI-Thinking-1 و MAI-Code-1-Flash فقط مدل نیستند؛ آنها اعلامیه‌ای هستند که می‌گویند: «دیگر برای هوش به کسی وابسته نیستیم.»

پرسش بی‌پاسخ این است: آیا مایکروسافت می‌تواند هم‌زمان شریک OpenAI باشد و رقیب آن؟ رابطه‌ای که سال‌ها بر اساس «مایکروسافت پول می‌دهد، OpenAI مدل می‌سازد» تعریف می‌شد، حالا به «مایکروسافت خودش مدل می‌سازد و OpenAI را به حاشیه می‌راند» تغییر کرده است. و با توجه به اینکه OpenAI و Anthropic در آستانه بزرگ‌ترین IPOهای تاریخ هستند، این سؤال حیاتی‌تر از همیشه است.

یک چیز قطعی است: مایکروسافت با MAI، شطرنج هوش مصنوعی را به نفع خودش چیده است. حالا او هم مهره‌ها را می‌سازد، هم صفحه شطرنج را فراهم می‌کند، هم قوانین بازی را می‌نویسد. تنها سؤال این است که آیا مهره‌هایش به اندازه مهره‌های رقبا مقاوم خواهند بود؟ تراژدی اینجاست که مایکروسافت برای رسیدن به این نقطه، میلیاردها دلار هزینه کرده و هزاران مهندس را به کار گرفته – و حالا باید ثابت کند که «ساختن» از «اجاره کردن» نه فقط مقتدرانه‌تر، که سودآورتر هم هست.