当微软不再只做平台：Build 2026 背后的模型战争与Agent新大陆

一、微软的"不装了"时刻

过去二十年，微软把自己活成了一个"平台"——Windows 是平台，Azure 是平台，Office 也是平台。平台的意思，就是让别人在上面跳舞，自己收租。

但2026年Build大会上，微软突然换了一张脸：一口气发布7个MAI模型，从推理到代码、从图像到语音，全栈自研。更狠的是，他们把MAI模型和自研芯片MAIA 200绑在一起卖，宣称端到端比英伟达GB200便宜30%、省电1.4倍。

这不是技术发布，这是战书。

1. MAI-Thinking-1：微软版"o1"的野心

这是微软第一个推理模型，35B激活参数，256K上下文，AIME 2025考97分。数字好看，但真正的故事不在数字里。

微软反复强调一件事："我们没蒸馏任何第三方模型。"

这句话在学术圈的分量，相当于一个厨师说"我的汤里没加任何现成调料包"——在AI界，大多数新模型的"秘方"都是蒸馏OpenAI或DeepSeek的能力。微软选择从头炖，不是因为蒸馏不好，而是因为他们想对大企业说：你的数据流向是干净的，没有中间商。

109页技术报告里，他们甚至详细披露了怎么用LLM judge（让模型给训练数据打分）筛选数据。这等于公开承认：未来的训练，不只是堆算力，而是让AI自己给自己挑教材。

2. 代码模型：从Copilot的"副驾驶"到"主驾驶"

MAI-Code-1-Flash只有5B参数，但SWE-Bench Pro做到51%。小模型干大活，目标明确：给VS Code和Copilot CLI用，快、便宜、不卡。

但更大的信号是GitHub Copilot App的登场——微软不再想把Copilot定位为"补全工具"，而是"开发者的Agent中枢"。它串起了CLI、移动端、Web、本地和云端，意思很明确：未来开发者的工作入口不是IDE，而是Copilot。

这让我想起一个老比喻：以前AI是程序员的副驾驶，现在它想坐驾驶座。问题是，程序员还没准备好交出方向盘。

二、Agent的"桌面争夺战"

2026年的AI圈， hottest war不在云端，而在你的桌面。

1. Claude Platform CLI：Anthropic的终端执念

Anthropic推出了Claude Platform CLI，同时把/fork做成可在后台跑的Agent。这不像是一次功能更新，更像是一次宣言：重度开发者不需要聊天界面，他们需要一个24小时待命的自动化助手。

但Anthropic也吃了一次教训：Claude Code的并行子Agent曾经异常狂跑，几小时内耗光用户的周额度。他们被迫重置所有Pro和Max用户的限额。这暴露了一个被低估的问题：Agent系统的失控成本是真实的，而且很高。

2. Devin Desktop 与 Hermes Desktop：两条路线的分野

Cognition的Devin Desktop和Nous的Hermes Desktop几乎同时发布，但方向不同：

• Devin Desktop想做"Agent中立"的操作台，不管背后是什么Agent，统一管规划、执行和交接。
• Hermes Desktop走本地优先路线，接Tailscale和Ollama，目标是不依赖云端。

这两条路线就像智能手机早期：iOS走封闭生态，Android走开放联盟。谁对谁错？现在还太早。但可以确定的是，你的桌面正在成为AI的下一个战场。

3. OpenAI Codex 的"最后一段路"

Codex新增Sites功能，能把文档、想法直接变成带认证和动态数据的内部应用。插件生态也扩展到62个应用、110个技能。

OpenAI的打法很清晰：不跟你拼模型参数，而是拼"从写代码到交付"的完整链路。企业用户要的不是一个会写代码的AI，而是一个能直接把代码变成内部系统的AI。

三、DeepMind Co-Scientist：科研Agent的成人礼

Google DeepMind的Co-Scientist可能是这次更新中最被低估的。

它不是一个聊天机器人，而是一个由多个Agent组成的科研团队——有的负责生成假设，有的负责筛选，有的负责验证。DeepMind声称它已经在肝纤维化、ALS和衰老研究中参与了真实合作。

科研Agent和客服Agent的区别在于：客服对错有标准答案，科研没有。让AI参与真实科学发现，意味着它不仅要"会搜索"，还要"会判断什么值得被搜索"。这是从"工具"到"协作者"的跨越。

但也引发了一个微妙的问题：如果AI提出了一个被验证的科研假设，论文的署名权怎么算？这个伦理问题，可能比技术问题更持久。

四、几个值得关注的小信号

1. Wall Attention：Tilde Research提出了一种不依赖RoPE的注意力方法，训练4K上下文就能泛化到200K+。长文本推理的突破口，可能不只在堆参数。

2. Perplexity的混合推理：本地能跑的先本地跑，省token又保隐私。这种"混合架构"可能成为接下来所有AI产品的默认设计。

3. 开放权重模型的崛起：OpenRouter数据显示，开放权重模型已占69.1%的token量。开源生态的重心，正在从"追赶闭源"变成"超越闭源"。

4. Bernie Sanders的AI主权基金：想把AI创造的财富分给公众。想法浪漫，执行困难。但它代表了一种新思潮：AI不是只属于科技公司的矿，而是公共资源。

五、一个观察

今天的新闻里，有一个共同点：所有人都在从"做模型"转向"做系统"。

微软做芯片+模型+平台，GitHub做开发入口，OpenAI做企业工作流，Anthropic做开发者工具。单点能力已经不够了，未来的竞争是"谁能让AI在你的工作流里活得更深"。

对普通人来说，这意味着：选AI工具时，不要只看它"多聪明"，要看它"能不能在你的世界里住下来"。

#easy-learn-ai #每日更新 #AI行业动态 #微软Build #Agent #小凯