Microsoft MAI Models: الذكاء الاصطناعي الداخلي في

في 2 يونيو 2026، خلال مؤتمر Build، أطلقت Microsoft عائلة مكونة من سبعة نماذج MAI داخلية — وأبرزها MAI-Code-1-Flash، وهو نموذج برمجة بـ 5 مليارات معلمة (parameter) يتم طرحه الآن داخل GitHub Copilot، و MAI-Thinking-1، وهو نموذج استدلال بـ 35 مليار معلمة نشطة / حوالي 1 تريليون معلمة إجمالية تقول Microsoft إنه ينافس Claude Opus 4.6 على SWE-Bench Pro. تم تدريب كلاهما من الصفر على بيانات نظيفة ومرخصة دون أي استخلاص (distillation) من مختبرات أخرى — وهي أوضح خطوة لشركة Microsoft حتى الآن لبناء نماذج طرف أول إلى جانب شراكتها مع OpenAI.¹²³

ملخص

أعلنت Microsoft AI، المجموعة التي يقودها مصطفى سليمان، عن عائلة نماذج MAI في مؤتمر Build 2026: نماذج استدلال، وبرمجة، وصور، وصوت، ونسخ تم بناؤها بالكامل داخلياً.³ النموذجان الأكثر أهمية للمطورين يتم شحنهما الآن أو قريباً: MAI-Code-1-Flash يصل إلى مستخدمي GitHub Copilot في VS Code اليوم، و MAI-Thinking-1 متاح في معاينة خاصة على Microsoft Foundry.¹² قامت Microsoft بتدريب كليهما من الأساس — دون استخلاص من نماذج طرف ثالث — وصممتهما بالتعاون مع سيليكون الاستدلال الخاص بها Maia 200.³ السياق الاستراتيجي هو الاستقلالية: نماذج طرف أول قابلة للاستخدام بحيث لا تعود العلاقة مع OpenAI هي التي تحدد سقف أعمال الذكاء الاصطناعي لشركة Microsoft.

ما أطلقته Microsoft

يعد MAI-Thinking-1 و MAI-Code-1-Flash هما الإصداران الرئيسيان، لكنهما يأتيان كجزء من عائلة مكونة من سبعة نماذج. تصف Microsoft AI التشكيلة بأنها "عائلة من سبعة نماذج جديدة تم تطويرها داخلياً"، تشمل الاستدلال، والبرمجة، وتوليد الصور، والصوت، والنسخ، وكلها مبنية على أساس مشترك مع "صفر استخلاص".³ إلى جانب النموذجين الموجهين للمطورين، تضم العائلة MAI-Image-2.5 (مع إصدار Flash)، و MAI-Transcribe-1.5، و MAI-Voice-2 (مع اقتراب إطلاق MAI-Voice-2-Flash).³

الموضوع الموحد هو الاكتفاء الذاتي. تقول Microsoft إن كل مكون — الهندسة المعمارية، وخط أنابيب التدريب، وما بعد التدريب — تم بناؤه داخلياً، مع مجموعات بيانات "نظيفة ومرخصة بشكل مناسب" واستبعاد المحتوى المولد بواسطة الذكاء الاصطناعي من مرحلة ما قبل التدريب.²³ يتم توزيع النماذج من خلال Microsoft Foundry (المنصة التي تم تغيير اسمها من Azure AI Foundry في 1 يناير 2026) وهي متاحة أيضاً على OpenRouter و Fireworks و Baseten، حيث يمكن للمطورين ضبط الأوزان بأنفسهم.³

MAI-Code-1-Flash: نموذج برمجة مبني لـ Copilot

MAI-Code-1-Flash هو النموذج الذي سيلمسه معظم المطورين أولاً. إنه نموذج برمجة وكيل (agentic) خفيف الوزن — 5 مليارات معلمة، تضعه Microsoft كـ "مماثل لـ Haiku ولكن أرخص" — ويتم طرحه لمستخدمي GitHub Copilot الأفراد في Visual Studio Code، سواء في أداة اختيار النماذج أو تحت أداة الاختيار التلقائي (Auto) الافتراضية.¹³ والأهم من ذلك، قامت Microsoft بتدريبه مباشرة مقابل بيئات GitHub Copilot المستخدمة في الإنتاج، لذا فهو يتعلم التفاعل مع الأدوات والأنظمة المحيطة لمهام البرمجة الوكيل في نفس البيئة التي يعمل فيها.¹

في اختبارات Microsoft المرجعية، يتفوق MAI-Code-1-Flash على Claude Haiku 4.5 عبر جميع تقييمات البرمجة الأربعة المختبرة — SWE-Bench Verified، و SWE-Bench Pro، و SWE-Bench Multilingual، و Terminal Bench 2 — مع أكبر فارق له وهو تقدم بـ +16 نقطة على SWE-Bench Pro (51.2% مقابل 35.2%).¹ وبنفس القدر من الأهمية بالنسبة للتكلفة، تقول Microsoft إن النموذج يستخدم "تحكماً تكيفياً في طول الحل" ليظل موجزاً في الطلبات السهلة ويستهلك ميزانية استدلال أكبر في الطلبات الصعبة، مما يحل المشكلات الأكثر صعوبة بـ توكنز (tokens) أقل بنسبة تصل إلى 60% في SWE-Bench Verified.¹

قامت Microsoft أيضاً ببناء اختبار مرجعي عدائي مكون من 186 سؤالاً و34 فئة — كلاسيكيات مقلوبة، مهام مستحيلة، مطالبات غير محددة — لفصل الاستدلال الحقيقي عن الحفظ. وصل MAI-Code-1-Flash إلى دقة معدلة بنسبة 85.8%، على الرغم من أن Microsoft تلاحظ أن بعض الفئات مثل فخاخ Einstellung ظلت أقل من 50%، مما يترك مجالاً للنمو.¹

إذا كنت تتابع بالفعل كيف يتطور GitHub Copilot نحو سير عمل وكيل يعتمد على المواصفات، فإن MAI-Code-1-Flash يناسب هذا النمط: نموذج تم ضبطه للبيئة بدلاً من لوحات المتصدرين.

MAI-Thinking-1: نموذج استدلال متوسط الوزن

MAI-Thinking-1 هو نموذج الاستدلال الرائد لـ Microsoft AI، وقد قامت Microsoft بتدريبه من الصفر داخلياً دون استخلاص من نموذج مختبر آخر — على عكس نموذجها السابق MAI-DS-R1، الذي كان متغيراً مدرباً بعدياً من DeepSeek-R1.²⁴ إنه نموذج Mixture-of-Experts متفرق مع 35 مليار معلمة نشطة وحوالي 1 تريليون إجمالي، مما يمنحه بصمة استدلال أصغر من النماذج الأكبر بكثير.²

ادعاءات الأداء الرئيسية:

• 97.0% في AIME 2025 و 94.5% في AIME 2026، وهي الاختبارات المرجعية للرياضيات التنافسية التي تختبر الاستدلال متعدد الخطوات.²
• في SWE-Bench Pro، تقول Microsoft إنه "ينافس Claude Opus 4.6" — وهو أمر ملحوظ لنموذج متوسط الوزن مقابل نموذج رائد متطور.²
• في تقييم بشري أعمى شمل 1,350 تقييماً أجرته شركة Surge، شريك التقييم لشركة Microsoft، فضل المقيمون MAI-Thinking-1 على Claude Sonnet 4.6.²

بالنسبة للمطورين، تهم البنية التحتية للمؤسسات بقدر ما تهم النتائج. يأتي MAI-Thinking-1 مع نافذة سياق تبلغ 256,000 توكن — وهي كافية لاستيعاب مستند مكون من 600 صفحة تقريباً في تمريرة واحدة — بالإضافة إلى ميزة استدعاء الوظائف (function calling)، وتعدد طبقات تعليمات المطورين، والتوافق مع واجهة Chat Completions API واسعة الانتشار.² إذا كنت توازن بين ما توفره لك هذه النافذة في الممارسة العملية، فإن دليلنا حول تحسين نافذة السياق لنماذج LLMs يغطي المقايضات. النموذج متاح الآن في المعاينة الخاصة على Microsoft Foundry، مع وعد بتوفير المعاينة العامة على MAI Playground قريباً.²

لماذا يعد "عدم التقطير" هو القصة الحقيقية

تركز معظم عمليات التسويق حول MAI على كيفية بناء النماذج، وليس فقط النتائج التي تحققها. تصيغ Microsoft هذا كـ "آلة لتسلق التلال": مسار عمل حيث يتم "تعلم القدرات، لا توريثها"، ويتم التدريب على بيانات نظيفة مرخصة، مع اكتفاء ذاتي "عبر كامل البنية التقنية".³ الحجة هي أن النموذج المقطر (distilled) من نموذج معلم يرث خيارات تصميم ذلك المعلم ويعاني من أجل التكيف — بينما النموذج الذي تم تدريبه من الصفر يكون أكثر قابلية للتوجيه.²

تتصل هذه الفلسفة مباشرة بالسيليكون. تقول Microsoft إنها صممت نماذج MAI بالاشتراك مع مسرعها الخاص Maia 200 — شريحة الاستدلال بتقنية 3 نانومتر من TSMC التي قدمتها في يناير 2026 — وهي تشهد بالفعل زيادة في الكفاءة بمقدار 1.4 ضعف من هذا التصميم المشترك، مع تشغيل عنقود GB200 من الجيل التالي الآن.³ امتلاك النموذج، ومسار البيانات، وأجهزة الاستدلال هو الهدف الأساسي: وهو ما يسمح لشركة Microsoft بالتحكم في التكلفة والسلوك من البداية إلى النهاية.

Frontier Tuning وزاوية التخصيص

بعيداً عن النماذج الأساسية، تدفع Microsoft بطبقة تخصيص تسميها Frontier Tuning — باستخدام بيئات التعلم المعزز ("صالات تدريب") حتى يتمكن نموذج MAI من التعلم من مسارات عمل العميل الخاصة، مع بقاء النموذج الناتج خاصاً بهذا العميل.³ تستشهد Microsoft بنقطتي بيانات مبكرتين: نموذج MAI تم ضبطه لبرنامج Excel تقول إنه "يضاهي GPT 5.4 بينما هو أكثر كفاءة بما يصل إلى 10 أضعاف"، ونموذج MAI تم ضبطه وفقاً لمعايير مؤسسة McKinsey تقول إنه "حقق أعلى معدل فوز لأي نموذج تم اختباره بتكلفة أقل بنحو 10 أضعاف".³ هذه أرقام أبلغ عنها المورد من تقييمات داخلية، ولم يتم التحقق منها بشكل مستقل، لذا تعامل معها كمؤشرات اتجاهية.

أعلنت Microsoft أيضاً عن تعاون في مجال الرعاية الصحية مع Mayo Clinic للمشاركة في إنشاء نموذج سريري رائد، ستمتلكه Mayo Clinic ويتم توزيعه لاحقاً عبر Foundry.³

ماذا يعني هذا لعلاقة OpenAI

الإطار العام في التغطية الصحفية هو أن MAI يقلل من اعتماد Microsoft على OpenAI — حيث التزمت Microsoft بمبلغ يقدر بـ 13 مليار دولار للشركة الناشئة منذ عام 2019 — مع خفض التكاليف للمطورين.⁵ أما صياغة Microsoft الخاصة فهي أكثر توازناً: Foundry هي منصة متعددة النماذج حيث تعمل نماذج MAI جنباً إلى جنب مع نماذج من OpenAI و Anthropic و Meta و Mistral ومزودين آخرين، بدلاً من استبدالهم.⁶ القراءة الصادقة هي "تعدد الخيارات، وليس الطلاق". تحتفظ Microsoft بـ OpenAI في البنية التقنية ولكن لديها الآن نماذج طرف أول موثوقة بحيث لا تعود تلك العلاقة تضع حداً لما يمكن لشركة Microsoft شحنه. لمزيد من المعلومات حول كيفية إعادة التفاوض على تلك الشراكة، راجع تحليلنا لـ صفقة Microsoft و OpenAI وبند الذكاء الاصطناعي العام (AGI).

الخلاصة

MAI هو بيان Microsoft بأنها تستطيع بناء نماذج قريبة من النماذج الرائدة بنفسها. MAI-Code-1-Flash هو النموذج الذي يمكن للمطورين الحكم عليه فوراً — فهو موجود في Copilot الآن، والادعاء بمعدلات نجاح أعلى مع توكنات أقل بنسبة تصل إلى 60% هو بالضبط نوع الكفاءة الذي يهم في الاستخدام اليومي. أما MAI-Thinking-1 فهو الرهان الأكثر استراتيجية: نموذج استدلال متوسط الوزن تم تدريبه بدون تقطير، وصُمم بالاشتراك مع سيليكون Microsoft الخاص، وموجه للمؤسسات التي ترغب في ضبط وامتلاك نماذجها. يبقى السؤال المفتوح هو ما إذا كانت ادعاءات اختبارات الأداء ستصمد أمام الاختبارات المستقلة — لكن الاتجاه لا يخطئه أحد.