رونمایی از نسل تازه هوش مصنوعی مایکروسافت با توانایی استدلال چندمرحله‌ای

رونمایی از نسل تازه هوش مصنوعی مایکروسافت با توانایی استدلال چندمرحله‌ای

مایکروسافت در رویداد سالانه Build 2026 بار دیگر نشان داد که رقابت در حوزه هوش مصنوعی وارد مرحله‌ای تازه شده است. این شرکت که در سال‌های اخیر سرمایه‌گذاری‌های عظیمی در توسعه زیرساخت‌های هوش مصنوعی انجام داده، در جریان این رویداد مجموعه‌ای از فناوری‌های جدید را معرفی کرد که نشان می‌دهد استراتژی آینده آن بیش از گذشته بر توسعه مدل‌های اختصاصی و بومی متمرکز شده است. مهم‌ترین خبر این مراسم معرفی یک مدل پیشرفته با نام MAI‑Thinking‑1 بود؛ مدلی که به‌عنوان نخستین سیستم استدلالی بومی مایکروسافت معرفی شده و قرار است نقش مهمی در نسل بعدی محصولات هوش مصنوعی این شرکت ایفا کند.

در سال‌های گذشته همکاری نزدیک میان مایکروسافت و OpenAI باعث شد بسیاری از سرویس‌های هوش مصنوعی این شرکت بر پایه فناوری‌های آن سازمان شکل بگیرند. با این حال، اکنون نشانه‌هایی دیده می‌شود که مایکروسافت در تلاش است تا زیرساخت‌های اختصاصی خود را نیز تقویت کند. معرفی MAI‑Thinking‑1 را می‌توان یکی از مهم‌ترین گام‌ها در این مسیر دانست. این مدل نه‌تنها نشان‌دهنده توان فنی تیم‌های داخلی مایکروسافت است، بلکه بیانگر تغییری راهبردی در نحوه توسعه فناوری‌های هوش مصنوعی در این شرکت محسوب می‌شود.

مدل MAI‑Thinking‑1؛ نخستین سیستم استدلالی بومی مایکروسافت

در مرکز توجه رویداد Build امسال، پلتفرمی قرار داشت که مایکروسافت آن را به‌عنوان یک مدل استدلالی پیشرفته معرفی کرد. MAI‑Thinking‑1 برای انجام وظایف پیچیده‌ای طراحی شده که نیازمند تحلیل چندمرحله‌ای و استدلال منطقی هستند. برخلاف بسیاری از مدل‌های زبانی که تنها بر تولید متن یا پاسخ سریع تمرکز دارند، این مدل قادر است پیش از ارائه پاسخ نهایی، مراحل حل مسئله را به‌صورت گام‌به‌گام بررسی کند و به نوعی فرایند تفکر را شبیه‌سازی کند.

مایکروسافت اعلام کرده است که این سیستم از معماری‌ای استفاده می‌کند که برای تحلیل مسائل چندمرحله‌ای بهینه شده است. به بیان ساده‌تر، وقتی کاربر سؤالی مطرح می‌کند که نیازمند چندین مرحله تحلیل است، مدل ابتدا مسئله را تجزیه می‌کند، فرضیات را بررسی می‌کند و سپس نتیجه نهایی را ارائه می‌دهد. چنین رویکردی به‌ویژه در حوزه‌هایی مانند برنامه‌نویسی، ریاضیات، تحلیل داده و حل مسائل علمی اهمیت زیادی دارد.

اندازه‌ای متعادل با عملکردی قدرتمند

یکی از نکات قابل توجه درباره MAI‑Thinking‑1 این است که این مدل در دسته مدل‌های متوسط‌مقیاس قرار می‌گیرد. این سیستم دارای ۳۵ میلیارد پارامتر فعال است؛ عددی که در مقایسه با برخی مدل‌های عظیم بازار کوچک‌تر به نظر می‌رسد، اما مایکروسافت معتقد است همین اندازه متعادل باعث شده عملکرد آن در بسیاری از سناریوها بسیار کارآمد باشد.

هدف از این طراحی ایجاد تعادل میان قدرت پردازش و هزینه‌های عملیاتی است. مدل‌های بسیار بزرگ معمولاً نیازمند منابع سخت‌افزاری عظیم هستند و اجرای آن‌ها هزینه زیادی دارد. اما مدل‌هایی با اندازه متعادل می‌توانند در محیط‌های سازمانی و حتی در برخی سناریوهای لبه شبکه نیز با کارایی مناسب اجرا شوند. به همین دلیل MAI‑Thinking‑1 برای ارائه عملکرد بالا در کنار بهره‌وری محاسباتی طراحی شده است.

از سوی دیگر این مدل دارای حافظه متنی یا Context Window با ظرفیت ۱۲۸ هزار توکن است. این ویژگی به مدل اجازه می‌دهد حجم قابل توجهی از اطلاعات را در یک تعامل پردازش کند. در نتیجه کاربران می‌توانند اسناد طولانی، کدهای پیچیده یا مجموعه‌ای از داده‌های متنی را به سیستم ارائه دهند و انتظار تحلیل جامع‌تری داشته باشند.

آموزش بدون استفاده از داده‌های تقطیرشده

یکی از نکاتی که مایکروسافت در معرفی این مدل بر آن تأکید کرده، نحوه آموزش آن است. به گفته این شرکت، در فرآیند آموزش MAI‑Thinking‑1 از داده‌های تقطیرشده از سایر سیستم‌های هوش مصنوعی استفاده نشده است. در سال‌های اخیر برخی مدل‌ها با استفاده از خروجی مدل‌های دیگر آموزش داده می‌شوند تا فرآیند یادگیری سریع‌تر شود. با این حال چنین روشی گاهی باعث انتقال خطاها یا محدودیت‌های مدل‌های اولیه به نسل جدید می‌شود.

مایکروسافت ادعا می‌کند که برای توسعه MAI‑Thinking‑1 از مجموعه داده‌ها و روش‌های آموزشی مستقلی استفاده کرده است. این رویکرد به شرکت کمک می‌کند تا کنترل بیشتری بر کیفیت داده‌ها و رفتار مدل داشته باشد و همچنین استقلال فنی بیشتری نسبت به سایر توسعه‌دهندگان هوش مصنوعی به دست آورد.

عملکرد چشمگیر در آزمون‌های علمی

توانایی واقعی یک مدل هوش مصنوعی زمانی مشخص می‌شود که در آزمون‌های استاندارد و بنچمارک‌های معتبر مورد ارزیابی قرار گیرد. MAI‑Thinking‑1 در چندین آزمون مهم عملکرد بسیار چشمگیری از خود نشان داده است. در آزمون AIME 2025 که یکی از معیارهای سنجش توانایی استدلال ریاضی مدل‌ها محسوب می‌شود، این سیستم موفق به کسب امتیاز ۹۷ شده است. در نسخه سال ۲۰۲۶ همین آزمون نیز امتیاز ۹۴٫۵ را ثبت کرده است.

این نتایج نشان می‌دهد که مدل مایکروسافت در تحلیل مسائل پیچیده ریاضی و منطقی عملکرد بسیار قدرتمندی دارد. چنین توانایی‌ای برای کاربردهایی مانند پژوهش علمی، توسعه الگوریتم‌ها و تحلیل داده‌های پیچیده بسیار ارزشمند است.

رقابت با برترین مدل‌های بازار

گزارش‌های منتشر شده از آزمایش‌های مستقل نشان می‌دهد که MAI‑Thinking‑1 توانسته است در برخی حوزه‌ها با پیشرفته‌ترین مدل‌های موجود رقابت کند. در ارزیابی‌های انجام شده، خروجی‌های این مدل در بسیاری از موارد نسبت به مدل Sonnet 4.6 ترجیح داده شده‌اند. این موضوع نشان می‌دهد که سیستم جدید مایکروسافت توانسته کیفیت پاسخ‌ها و دقت تحلیل را در سطح بالایی حفظ کند.

همچنین در آزمون برنامه‌نویسی SWE Bench Pro که یکی از معیارهای مهم سنجش توانایی مدل‌ها در حل مسائل نرم‌افزاری است، این مدل رقابت بسیار نزدیکی با Opus 4.6 داشته است. چنین نتیجه‌ای اهمیت زیادی دارد، زیرا توانایی تولید و اصلاح کد یکی از مهم‌ترین کاربردهای عملی مدل‌های هوش مصنوعی در محیط‌های حرفه‌ای محسوب می‌شود.

دسترسی محدود در مرحله پیش‌نمایش

در حال حاضر MAI‑Thinking‑1 به‌صورت عمومی در دسترس قرار نگرفته است. مایکروسافت اعلام کرده که این سیستم در مرحله پیش‌نمایش خصوصی در پلتفرم Microsoft AI Foundry ارائه شده است. این بدان معناست که تنها گروه محدودی از توسعه‌دهندگان و شرکت‌ها می‌توانند در این مرحله به مدل دسترسی داشته باشند.

هدف از این مرحله آزمایشی، بررسی عملکرد مدل در سناریوهای واقعی و دریافت بازخورد از کاربران حرفه‌ای است. پس از تکمیل این مرحله و اعمال بهبودهای لازم، احتمالاً دسترسی گسترده‌تری به این فناوری فراهم خواهد شد.

تمرکز بر اکوسیستم هوش مصنوعی بومی

معرفی MAI‑Thinking‑1 تنها بخشی از برنامه گسترده مایکروسافت برای توسعه اکوسیستم هوش مصنوعی اختصاصی خود است. این شرکت در رویداد Build 2026 مجموعه‌ای از مدل‌ها و ابزارهای جدید را معرفی کرد که هر کدام برای وظایف خاصی طراحی شده‌اند. هدف از این مجموعه ایجاد یک پلتفرم کامل است که بتواند نیازهای متنوع کاربران و توسعه‌دهندگان را پوشش دهد.

این رویکرد به مایکروسافت اجازه می‌دهد تا خدمات مختلف هوش مصنوعی را در قالب یک زیرساخت یکپارچه ارائه دهد. از تولید تصویر و پردازش صوت گرفته تا توسعه نرم‌افزار و تحلیل داده، همه این قابلیت‌ها می‌توانند در یک اکوسیستم مشترک در دسترس قرار بگیرند.

مدل تصویری MAI‑Image 2.5

یکی از محصولات مهمی که در کنار مدل استدلالی معرفی شد، سیستم تولید تصویر MAI‑Image 2.5 بود. این مدل برای ایجاد و ویرایش تصاویر با کیفیت بالا طراحی شده و می‌تواند از توضیحات متنی یا طرح‌های اولیه برای تولید خروجی‌های گرافیکی استفاده کند.

نسخه‌ای سبک‌تر از این مدل نیز با نام MAI‑Image 2.5 Flash معرفی شده است. این نسخه برای کاربردهایی طراحی شده که نیازمند سرعت بالا و مصرف منابع کمتر هستند. چنین نسخه‌هایی می‌توانند در نرم‌افزارهای روزمره یا ابزارهای طراحی سبک‌تر مورد استفاده قرار بگیرند.

مایکروسافت اعلام کرده است که این فناوری هم‌اکنون در نرم‌افزار PowerPoint ادغام شده است. کاربران می‌توانند با ارائه توضیح کوتاه یا طرح اولیه، تصاویر مورد نیاز برای اسلایدهای خود را تولید کنند. همچنین قرار است این قابلیت در آینده نزدیک به سرویس OpenDrive نیز افزوده شود.

پیشرفت در حوزه پردازش صوت

مایکروسافت علاوه بر مدل‌های متنی و تصویری، در حوزه پردازش صوت نیز دستاوردهای تازه‌ای معرفی کرده است. یکی از این دستاوردها سیستم MAI‑Transcribe‑1.5 است که برای تبدیل گفتار به متن طراحی شده است. به گفته مایکروسافت، این سیستم می‌تواند با سرعتی تا پنج برابر بیشتر از برخی رقیبان عمل کند.

چنین سرعتی می‌تواند در کاربردهایی مانند ثبت جلسات، تولید زیرنویس زنده، تحلیل مکالمات و تبدیل فایل‌های صوتی به متن بسیار مفید باشد. افزایش سرعت پردازش در کنار حفظ دقت بالا باعث می‌شود این فناوری در محیط‌های حرفه‌ای و سازمانی کاربرد گسترده‌تری پیدا کند.

سیستم صوتی MAI‑Voice‑2

در کنار فناوری تبدیل گفتار به متن، مایکروسافت نسخه جدیدی از سیستم تولید صدا با نام MAI‑Voice‑2 را نیز معرفی کرده است. این فناوری برای ایجاد صداهای مصنوعی طبیعی و متنوع طراحی شده است و می‌تواند در برنامه‌های مختلفی مانند دستیارهای صوتی، کتاب‌های صوتی، بازی‌های ویدیویی و تولید محتوای چندرسانه‌ای مورد استفاده قرار گیرد.

یکی از ویژگی‌های مهم این نسخه، پشتیبانی از ۱۵ زبان جدید است. این موضوع باعث می‌شود توسعه‌دهندگان در مناطق مختلف جهان بتوانند از این فناوری استفاده کنند و تجربه صوتی طبیعی‌تری برای کاربران خود ایجاد کنند.

ابزار کدنویسی MAI‑Code‑1

توسعه‌دهندگان نرم‌افزار نیز در رویداد Build 2026 شاهد معرفی ابزار جدیدی با نام MAI‑Code‑1 بودند. این پلتفرم برای بهبود فرایند استنتاج در مدل‌های مرتبط با کدنویسی طراحی شده است. هدف از این سیستم افزایش سرعت و دقت در تولید و تحلیل کدهای برنامه‌نویسی است.

مایکروسافت اعلام کرده است که این فناوری به‌صورت یکپارچه در GitHub Copilot و Visual Studio Code ادغام شده است. به این ترتیب برنامه‌نویسان می‌توانند هنگام نوشتن کد از پیشنهادهای هوشمند، تکمیل خودکار پیشرفته و تحلیل خطاها بهره‌مند شوند.

چنین ابزارهایی می‌توانند زمان توسعه نرم‌افزار را کاهش دهند و بهره‌وری تیم‌های برنامه‌نویسی را افزایش دهند. بسیاری از شرکت‌ها اکنون از هوش مصنوعی برای تسریع فرایند توسعه استفاده می‌کنند و ابزارهایی مانند MAI‑Code‑1 می‌توانند نقش مهمی در این تحول ایفا کنند.

آینده‌ای مبتنی بر عامل‌های هوشمند

تمامی این دستاوردها نشان می‌دهد که مایکروسافت در حال حرکت به سمت آینده‌ای است که در آن عامل‌های هوش مصنوعی نقش پررنگ‌تری در نرم‌افزارها و خدمات دیجیتال خواهند داشت. این عامل‌ها می‌توانند وظایف پیچیده را به‌صورت خودکار انجام دهند، داده‌ها را تحلیل کنند و با کاربران تعامل طبیعی‌تری داشته باشند.

ترکیب مدل‌های استدلالی، ابزارهای تولید محتوا، سیستم‌های صوتی و پلتفرم‌های برنامه‌نویسی باعث می‌شود اکوسیستم هوش مصنوعی مایکروسافت به بستری قدرتمند برای توسعه نسل جدید نرم‌افزارها تبدیل شود.

جمع‌بندی

رویداد Build 2026 برای مایکروسافت تنها یک مراسم معرفی محصول نبود، بلکه نشانه‌ای از تغییر مسیر استراتژیک این شرکت در حوزه هوش مصنوعی به شمار می‌رود. معرفی مدل MAI‑Thinking‑1 نشان می‌دهد که مایکروسافت در حال سرمایه‌گذاری جدی روی توسعه فناوری‌های بومی خود است و می‌خواهد نقش پررنگ‌تری در آینده هوش مصنوعی ایفا کند.

در کنار این مدل، مجموعه‌ای از ابزارهای تخصصی برای تولید تصویر، پردازش صوت و توسعه نرم‌افزار نیز معرفی شدند که همگی بخشی از اکوسیستم بزرگ‌تر هوش مصنوعی مایکروسافت هستند. اگر این فناوری‌ها مطابق وعده‌های ارائه‌شده عمل کنند، ممکن است در سال‌های آینده شاهد تحول قابل توجهی در نحوه استفاده از هوش مصنوعی در محیط‌های کاری، توسعه نرم‌افزار و تولید محتوا باشیم.

مایکروسافت با این رویکرد نشان داده است که رقابت در عرصه هوش مصنوعی تنها به ساخت مدل‌های بزرگ‌تر محدود نمی‌شود، بلکه ایجاد اکوسیستم‌های هوشمند و ابزارهای کاربردی می‌تواند نقش تعیین‌کننده‌ای در آینده فناوری ایفا کند.