微软AI正在将代币效率作为竞争核心，放弃追逐最前沿的通用大模型，转而押注小型专业模型。微软AI CEO穆斯塔法·苏莱曼在一篇博文中表示，行业必须在顶尖性能与成本之间做出权衡。微软不再训练一个万能模型，而是为单一领域训练紧凑型模型。

其最新网络安全模型MAI-Cyber-1-Flash在CyberGym基准测试中，以12个百分点的优势超越Anthropic的Mythos，而成本仅为后者一半。但这一成绩依赖于MDASH系统——该系统编排多个模型，仍将困难任务路由给OpenAI的推理模型。微软还表示，其图像模型MAI-Image-2.5-Flash相比GPT-Image-2可削减高达84%的GPU成本。

苏莱曼还提出可替换模型的概念，旨在让微软摆脱对单一模型家族的依赖。不过，小型MAI模型能否在部分替代OpenAI后保持同等性能，仍存疑问。

行业竞争正从单个模型转向编排软件——即负责路由任务并提供上下文的系统。编排器将大部分工作交给更便宜的专业模型，仅将困难案例留给前沿模型。Anthropic在Claude Fable 5中已采用这一思路，而Sakana的Fugu也围绕此理念构建。

微软的这一战略转向，反映出大模型行业正从“越大越好”的军备竞赛，转向更注重成本效益和实际应用场景的务实路线。对于关注AI生态的投资者而言，这意味着未来价值可能更多集中在模型编排与部署效率上，而非单纯追求参数规模。