Microsoft met en avant ses modèles MAI et la nouvelle génération d'accélérateurs Maia 300, avec des gains annoncés sur le coût des jetons et l’efficacité énergétique. Des modèles Flash, déjà exploités dans MDASH et GitHub Copilot, prennent en charge la majorité des tâches courantes. L’ensemble s’intègre via Foundry et vise des performances jugées « suffisantes » pour un coût moindre.
Maia 300 améliore calcul et mémoire, et vise des jetons moins chers
La génération Maia 300 affiche une hausse de 36 % des opérations de calcul et 2,5x de performances en mémoire à large bande, pour environ 2x d’amélioration de la performance par watt. Cette optimisation devrait aussi réduire le coût des jetons pour les utilisateurs finaux, grâce à une architecture de flux de données adaptée. Chaque rack embarque 96 accélérateurs et peut exécuter plusieurs tâches réparties sur plusieurs racks. Maia est présenté comme capable d’assurer une inférence multi‑locataire sans blocage et de s’adapter à la charge. Côté usages, MAI‑Cyber‑1.1‑Flash traite désormais 90 % des tâches auparavant confiées à des modèles plus coûteux, avec des coûts d’exploitation en baisse de 18 % par rapport à la version 1.0.
Intégration MAI dans Foundry et outils pour agents
La plupart des modèles MAI sont proposés via Foundry, à l’exception de deux références réservées à d’autres applications : MAI‑Cyber‑1.1‑Flash alimente le système de sécurité MDASH et MAI‑Code‑1.1‑Flash contribue à GitHub Copilot. Le passage aux modèles MAI s’effectue via les API Foundry Azure OpenAI existantes, en déployant par exemple MAI‑Thinking‑1 et en changeant l’URL du point de terminaison côté client. Des limites de jetons par requête aident à piloter les budgets. MAI‑Thinking‑1 prend en charge les appels de fonction pour s’intégrer à des agents, peut conserver des chaînes de raisonnement chiffrées entre requêtes, et diffuser des sorties par fragments, ce qui est présenté comme améliorant l’expérience utilisateur. Un nouveau modèle de scoring de décision de Microsoft peut servir de routeur d’agents pour choisir les étapes et les modèles associés.
L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Microsoft propose l’inférence locale avec les modèles Flash
Les modèles « Flash » de MAI, livrés pour une exécution locale ou cloud, sont décrits comme offrant des économies significatives et une fidélité proche des modèles uniquement hébergés. L’inférence locale sur du matériel NVIDIA RTX consomme moins d’énergie que des serveurs de centre de données, tout en restant des modèles fondamentaux. MAI‑Code‑1.1‑Flash n’est toutefois pas encore adapté aux PC Copilot+ à base d’Arm, car il requiert plus de 120 Go de RAM. Un Surface Ultra doté de NVIDIA RTX Spark et d’au moins 128 Go de RAM devrait convenir, mais l’arbitrage économique dépendra de l’intensité d’usage des agents. Pour la cybersécurité, le modèle Flash décharge les agents MDASH et transfère les opérations trop lourdes à des modèles plus puissants.
Foundry agrège plus de 11 000 modèles et des outils d’ancrage
Foundry donne accès à plus de 11 000 modèles, dont ceux d’Anthropic, Hugging Face, Meta, Mistral et DeepSeek. Microsoft continue parallèlement d’exposer ses modèles Cognitive Services pour la vision et le texte, ainsi que la série Phi destinée aux usages en périphérie. La plateforme propose des fonctionnalités centrées sur les agents, notamment l’ancrage des modèles sur des sources de données appuyées sur le graphe IQ. L’offre est présentée comme utile pour bâtir des applications modernes, alors que les grands modèles frontaliers maison de Microsoft faisaient jusqu’ici défaut.
MAI privilégie le coût d’inférence et revendique une approche « humaniste »
Avec MAI, Microsoft met en avant des coûts de jetons inférieurs, dans un contexte où les hyperscalers cherchent à amortir de lourds investissements et où le « tokenmaxxing » est jugé non viable. L’accent est mis sur une inférence moins chère, sur du matériel dédié, et MAI décrit sa démarche comme « humaniste », sensible à la sécurité et à l’environnement. MAI couvre des cas d’usage courants comme la cybersécurité, le code et la transcription, propose un service de réglage, et inclut MAI‑Thinking‑1 pour les usages sophistiqués. Microsoft affirme que ce modèle a une empreinte réduite tout en délivrant les résultats attendus, avec des benchmarks publiés indiquant de bonnes performances, et diffuse aussi des chiffres favorables à des modèles plus grands d’Anthropic et d’OpenAI. L’objectif affiché est de conquérir des parts de marché avec des résultats jugés « suffisamment bons » pour un coût moindre. Sur le plan matériel, Azure Maia est optimisé pour les modèles de Microsoft et d’OpenAI, autorise un accès mémoire non uniforme, s’étend du rack au réseau et s’appuie sur une approche SDLA avec un design en chiplet. Les versions antérieures étaient décrites comme rapides.
