--- title: "Modele MAI Microsoftu: który wybrać do firmy?" url: "https://majchrzycki.com/blog/modele-mai-microsoftu-przewodnik-dla-firm" description: "Przewodnik po własnych modelach Microsoft AI: Thinking, Code, Image, Voice, Transcribe i Cyber. Zastosowania, kodowanie, dostępność i ograniczenia." --- # Modele MAI Microsoftu: który wybrać do firmy? 25 września 2026· Aktualizacja: 28 września 2026·5 min czytania·Krzysztof Majchrzycki Temat: [Microsoft AI](https://majchrzycki.com/blog/filar/microsoft-ai) **MAI to rodzina modeli rozwijanych przez Microsoft AI do różnych rodzajów pracy: rozumowania, programowania, obrazu, mowy i bezpieczeństwa.** Nie jest to jeden model „do wszystkiego”. Do analizy dokumentów i złożonego zadania programistycznego najbliżej [MAI-Thinking-1](https://microsoft.ai/models/mai-thinking-1/); do szybkiej pracy agenta w [GitHub Copilot](https://majchrzycki.com/blog/ai-sdlc-agent-github-copilot) służy [MAI-Code-1.1-Flash](https://microsoft.ai/models/mai-code-1-flash/). Obraz tworzy MAI-Image-2.6, dźwięk na tekst zamienia MAI-Transcribe-2, tekst na głos — MAI-Voice-2. MAI-Cyber-1-Flash ma odrębny, ograniczony kanał dostępu dla obrony kodu. [Microsoft opisuje rozwój rodziny](https://microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models/) jako własne modele projektowane pod konkretne produkty i zadania. Stan poniżej dotyczy **28 września 2026 r.** Nazwa modelu nie gwarantuje dostępności w każdym regionie, planie ani interfejsie. To przewodnik po wyborze modelu w [ekosystemie Microsoft AI](https://majchrzycki.com/blog/filar/microsoft-ai), a nie ranking oparty na pojedynczym benchmarku. ## Jak wygląda rodzina MAI? Linia i bieżący wariant Główne zadanie Gdzie zacząć sprawdzanie dostępu? [MAI-Thinking-1](https://microsoft.ai/models/mai-thinking-1/) Tekst, rozumowanie, matematyka, kod i wieloetapowa analiza Microsoft Foundry, public preview. [MAI-Code-1.1-Flash](https://microsoft.ai/news/mai-code-1-1-flash-br-better-faster-at-a-quarter-of-the-cost/) Szybkie, agentowe zadania programistyczne GitHub Copilot i VS Code; sprawdź politykę modeli organizacji. [MAI-Image-2.6 oraz Flash](https://microsoft.ai/news/pushing-the-quality-cost-frontier-with-mai-image-2-6/) Generowanie i edycja obrazów Microsoft Foundry, public preview; porównaj jakość z opóźnieniem. [MAI-Transcribe-2](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe) Rozpoznawanie mowy, diarizacja i znaczniki czasu Azure Speech w Foundry, public preview. [MAI-Voice-2 oraz Flash](https://microsoft.ai/models/mai-voice-2/) Synteza mowy i głos agenta Microsoft Foundry / Azure Speech; sprawdź język i zgodę na głos. [MAI-Cyber-1-Flash](https://microsoft.ai/models/mai-cyber-1-flash/) Wyszukiwanie i weryfikacja podatności w kodzie MDASH, dostęp dla zweryfikowanych obrońców. Warto rozróżnić **własne modele MAI** od pozostałych modeli w katalogu Foundry. [Dokumentacja Microsoft](https://learn.microsoft.com/en-us/azure/ai-foundry/foundry-models/concepts/models?view=azure-node-latest) wymienia osobno linie MAI i Phi; Foundry udostępnia także modele innych twórców, np. OpenAI. Obecność w tej samej platformie nie oznacza wspólnego producenta, licencji ani sposobu hostingu. Wcześniejsze MAI-Image-2.5, MAI-Code-1-Flash czy MAI-Transcribe-1.5 pozostają ważne przy migracji istniejących aplikacji, lecz wybór nowego projektu powinien zaczynać się od bieżącego, wspieranego wariantu i jego dokumentacji. ## MAI-Thinking-1: rozumowanie, tekst i trudniejszy kod MAI-Thinking-1 jest modelem do zadań wymagających kilku kroków rozumowania. Microsoft podaje architekturę Mixture of Experts z **35 mld aktywnych parametrów** i oknem kontekstu **256 tys. tokenów** oraz wyniki w zadaniach matematycznych i programistycznych. To [deklaracje i pomiary producenta](https://microsoft.ai/news/introducing-mai-thinking-1/), nie gwarancja poprawnej odpowiedzi w firmowych danych. Model jest dostępny w [Microsoft Foundry w public preview](https://learn.microsoft.com/en-us/azure/foundry/foundry-models/how-to/use-foundry-models-mai-thinking). Najlepszy punkt startu to analityka wymagająca powiązania kilku dokumentów, planowanie zmiany w systemie lub problem kodowy, którego nie da się rozwiązać pojedynczym uzupełnieniem. W biznesie model może przygotować hipotezę, uzasadnienie i warianty decyzji, ale dane liczbowe powinien odczytywać z kontrolowanego źródła, a wynik musi przejść weryfikację. Długie okno kontekstu pomaga zmieścić więcej materiału, lecz nie zastępuje trafnego wyszukania, kontroli uprawnień ani testu, czy model wykorzystał właściwe fragmenty. W kodowaniu użyj go do analizy architektury, planu refaktoryzacji i trudnych błędów. Porównaj go z MAI-Code-1.1-Flash na tym samym zadaniu: czas do poprawnego testu regresyjnego, liczba niepotrzebnych zmian i jakość wyjaśnienia są ważniejsze niż sama liczba wygenerowanych linii. Jeśli szybki model osiąga ten sam wynik, cięższe rozumowanie nie daje wartości wartej dodatkowego czasu. ## MAI-Code-1.1-Flash: model dla przepływu pracy programisty MAI-Code-1.1-Flash jest wyspecjalizowany do pracy w środowisku GitHub Copilot, VS Code i Copilot CLI. [Microsoft podał w sierpniu 2026 r.](https://microsoft.ai/news/mai-code-1-1-flash-br-better-faster-at-a-quarter-of-the-cost/), że wariant 1.1 poprawił wyniki zadań terminalowych i .NET względem poprzednika oraz zużywa mniej tokenów w tej integracji. Są to wyniki dla określonego harnessu i porównania z MAI-Code-1-Flash; nie dowodzą, że model jest najlepszy w każdym języku i repozytorium. Do oceny nadają się małe i średnie zmiany: poprawa testu, aktualizacja API, wykonanie polecenia w repozytorium, przejście od issue do diffu. Tutaj liczy się **cały agent**, nie tylko model. Dostępne narzędzia, instrukcje repozytorium, uprawnienia i sposób przyjmowania poprawek wpływają na wynik równie mocno. Model może być szybki, a mimo to napisać test, który nie wykrywa błędu. Zespół powinien uruchomić własne testy i review każdej zmiany. Jeśli praca jest bardziej badawcza — np. trzeba zrozumieć nieznany system i rozważyć trzy architektury — porównaj MAI-Code z MAI-Thinking-1 i innymi modelami dostępnymi w [AI SDLC](https://majchrzycki.com/blog/filar/ai-sdlc). Microsoft opisuje też wewnętrzne dostrajanie modeli MAI do zadań Copilota i Excela, ale [przykład wdrożenia w Excelu](https://microsoft.ai/news/hill-climbing-mai-models-for-github-copilot-and-excel/) nie jest automatycznie osobnym, ogólnodostępnym modelem API. ## MAI-Image-2.6: obrazy i edycja, nie analiza biznesowa [MAI-Image-2.6 i 2.6-Flash](https://microsoft.ai/news/pushing-the-quality-cost-frontier-with-mai-image-2-6/) są przeznaczone do generowania oraz edycji obrazów. Wariant podstawowy stawia na precyzję, Flash na szybkość i dużą liczbę żądań. Microsoft opisuje obsługę kilku obrazów referencyjnych, sterowanie proporcjami i edycję zgodną z kontekstem. Oba są wymienione w [dokumentacji Foundry jako preview](https://learn.microsoft.com/en-us/azure/foundry/foundry-models/how-to/use-foundry-models-mai). Ranking Areny, który producent przytacza, jest sygnałem do próby, a nie testem zgodności z Twoją identyfikacją wizualną. Dla firmy model może tworzyć warianty materiałów marketingowych, ilustracje do produktu lub poprawiać element na istniejącej grafice. W AI SDLC ocena powinna obejmować zestaw stałych promptów, tekst w obrazie, wierność produktu, artefakty, licencje materiałów referencyjnych i koszt poprawek człowieka. Jeżeli zespół potrzebuje diagramu architektury z dokładnymi etykietami, obraz generatywny nie powinien być jedynym źródłem prawdy; lepszy bywa diagram zapisany jako kod lub edytowalny plik projektowy. ## MAI-Transcribe-2 i MAI-Voice-2: dwie strony interfejsu głosowego **MAI-Transcribe-2 zamienia mowę na tekst.** [Dokumentacja Azure Speech](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe) opisuje rozdzielanie mówców, znaczniki czasu dla słów, podpowiedzi terminologiczne i tryb dosłowny lub oczyszczony. Polski jest na liście obsługiwanych języków. To ważne dla notatek ze spotkań, centrum kontaktowego i dostępności, ale warto porównać wynik na nagraniach z własnymi nazwami produktów, akcentami i szumem. Usługa jest w public preview; Microsoft zaznacza, że preview nie ma SLA i nie rekomenduje go dla obciążeń produkcyjnych. **MAI-Voice-2 zamienia tekst na mowę.** [Microsoft opisuje](https://microsoft.ai/models/mai-voice-2/) wariant jakościowy oraz szybszy Voice-2-Flash, kontrolę ekspresji i użycie próbki głosu za zgodą. To kierunek dla głosowego asystenta, narracji i interfejsu dostępnościowego. Dla polskiej firmy jest jednak istotna luka: **język polski nie widnieje na opublikowanej liście języków MAI-Voice-2** w chwili aktualizacji tego wpisu. Nie zakładaj więc, że polski voicebot skorzysta z niego bez ograniczeń; sprawdź aktualną listę i zrób próbę, zanim zaplanujesz ofertę dla klientów. W połączeniu obie linie mogą tworzyć interfejs: audio użytkownika → transkrypcja → model tekstowy → odpowiedź mówiona. Działa to dobrze tylko wtedy, gdy test obejmuje całą ścieżkę: opóźnienie, przerwania, błędy rozpoznania nazw, zgodę na głos oraz możliwość przekazania sprawy człowiekowi. Samo tempo transkrypcji lub naturalność syntezy nie dowodzą jakości rozmowy. ## MAI-Cyber-1-Flash: specjalista dostępny przez MDASH [MAI-Cyber-1-Flash](https://microsoft.ai/models/mai-cyber-1-flash/) służy do obronnej analizy kodu i wyszukiwania podatności. Microsoft udostępnia go przez MDASH, własny wieloagentowy system identyfikacji i naprawy błędów bezpieczeństwa, **zweryfikowanym obrońcom**. Nie należy traktować go jak ogólnego modelu, który każdy może wybrać z listy Foundry. [Opis Microsoftu](https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/) dotyczy wyniku _modelu wraz z harnesssem_, więc nie przenoś deklarowanej skuteczności na sam model poza tym środowiskiem. W firmie taki system może pomóc znaleźć i potwierdzić błąd, a potem przygotować poprawkę. Odbiór nadal wymaga reprodukcji, testu regresyjnego, oceny wpływu i zatwierdzenia przez odpowiedzialnego za system. To szczególnie ważne, gdy agent ma dostęp do repozytorium, infrastruktury testowej i informacji o podatnościach. Uprawnienia skanera oraz agenta naprawiającego powinny być oddzielone. ## Który model wybrać i jak go sprawdzić w firmie? Najpierw zdefiniuj jeden rezultat: poprawny diff, zaakceptowaną analizę, użyteczny obraz, transkrypcję lub bezpieczne wykrycie błędu. Następnie porównaj co najmniej dwa modele na **tym samym** zbiorze przykładów i przy tym samym limicie czasu. Dla kodu oceniaj testy i zmiany poza zakresem; dla tekstu — zgodność z faktami oraz wskazanie źródeł; dla obrazu — zgodność z marką i koszt korekty; dla mowy — błędy rozpoznania, opóźnienie i dostępność języka. Nie porównuj wyniku jednego modelu w Copilocie z wynikiem innego w pustym czacie bez narzędzi. Własność modelu przez Microsoft nie oznacza, że przedsiębiorstwo może go samodzielnie hostować. Dla każdej linii trzeba sprawdzić sposób dostępu, region, status preview, warunki danych, limity i prawo do użycia w produkcji. Jeśli priorytetem jest pełna kontrola nad wagami oraz uruchomienie na własnym sprzęcie, rozważ osobno modele o dostępnych wagach i własną inferencję; **Phi jest także rodziną Microsoftu, ale nie jest linią MAI**. [Przewodnik po projekcie Microsoft Foundry](https://majchrzycki.com/blog/co-to-jest-microsoft-azure-ai-foundry-poradnik-dla-firm) pokazuje, jak zbudować małą próbę z kontrolą dostępu i ewaluacją, zanim wybór modelu stanie się decyzją architektoniczną na lata. - Modele i LLM - Agenci AI - Copilot ## Przełóż temat na projekt w Twojej firmie Zobacz zakres współpracy: od rozpoznania procesu i danych po projekt rozwiązania AI. [Zobacz współpracę](https://majchrzycki.com/wspolpraca) ## Czytaj dalej - [Modele generatywne AI w Azure: jak wybrać](https://majchrzycki.com/blog/modele-generatywne-ai-genai-nowa-era-innowacji-w-biznesie-z-microsoft-azure-ai) - [OpenAI o1 w Azure: rozumowanie i migracja modelu](https://majchrzycki.com/blog/model-o1-od-openai-i-jego-wykorzystanie-w-biznesie-za-pomocą-microsoft-azure-ai) - [GPT-4o w Azure: zastosowania i plan migracji](https://majchrzycki.com/blog/model-gpt-4o-od-openai-i-jego-wykorzystanie-w-biznesie-za-omocą-microsoft-azure-ai) - [Microsoft Copilot Code: aplikacje i automatyzacje z opisu](https://majchrzycki.com/blog/microsoft-copilot-code-aplikacje-i-automatyzacje)