>
>
公開日
2026年6月2日（日本時間6月3日未明）、Microsoftは年次開発者イベント「Microsoft Build 2026」で、自社開発のAIモデル群「Microsoft AI Models（MAI）」として7つの新モデルを一挙発表しました。推論・コーディング・画像生成・音声認識・音声合成をカバーする本格的なモデルファミリーであり、これまでOpenAIモデルに大きく依存してきたMicrosoftにとって重要な戦略転換点です。
情シス・IT管理者にとって重要なのは、これが「新しいAIサービスが1つ増えた」という話ではない点です。MAIモデルはGitHub CopilotやVS Code、Microsoft Foundryといった既存のMicrosoft製品の"裏側"に組み込まれていくため、M365やAzureを利用中の企業では、明示的に導入していなくても社内の利用実態に影響が及ぶ可能性があります。
本記事では、MAIの7モデルの特徴と提供状況を整理したうえで、M365管理者・情シスが「うちの会社で何を確認し、何を導入判断すべきか」を実務目線で解説します。
Microsoft AI Models（MAI）とは
Microsoft AI Models（MAI）は、Microsoft AI（Mustafa Suleyman氏率いる社内AI組織）が完全自社開発したAIモデルファミリーの総称です。Build 2026で発表された7モデルにより、テキスト推論・コーディング・画像・音声の主要領域が出揃いました。
Microsoftは発表の中で、以下の3点を自社モデルの特徴として強調しています。
ゼロ・ディスティレーション：他社モデルからの蒸留（distillation）を行わず、ゼロからトレーニング
クリーンなデータリネージ：ライセンス取得済み・来歴が追跡可能なエンタープライズグレードのデータのみで学習
自社シリコンとの共設計：独自AIチップ「Maia 200」と共同設計し、効率を約1.4倍向上と主張
学習データの著作権をめぐる訴訟が国内外で増えるなか、「学習データの来歴を説明できるモデル」であることを前面に出した設計は、AIガバナンス要件（ISO 42001等）への対応を進める企業にとって評価しやすいポイントです。一方で、ベンチマークやデータの主張はMicrosoft自身の発表が中心であり、第三者検証はこれからという点は押さえておく必要があります。
7モデルの一覧と特徴
7モデルは推論・コーディング・画像・音声の4領域をカバーしますが、情シスとして今すぐ実務に関わるのは「Copilotに統合済みのMAI-Code-1-Flash」と「議事録用途のMAI-Transcribe-1.5」の2つです。
モデル | 領域 | 特徴 | 情シス視点のポイント |
|---|---|---|---|
MAI-Thinking-1 | 推論（フラッグシップ） | 中規模MoE（アクティブ35B／総計約1T）。SWE-Bench Proで同クラス最高水準、AIME 2025で97%と発表 | Foundryでプライベートプレビュー中。料金未発表。PoC申請が必要 |
MAI-Code-1-Flash | コーディング | アクティブ5Bの軽量エージェント型。GitHub Copilot・VS Codeに統合 | Copilot既存契約の裏側で動くため、開発部門の利用実態確認が必要 |
MAI-Image-2.5 | 画像生成・編集 | Text-to-Imageと画像編集の両対応。Arena（画像編集）で2位のスコアと発表 | マーケ・資料作成部門での利用が想定される。生成物の利用ルール整備 |
MAI-Image-2.5-Flash | 画像生成（軽量版） | 高速・低コスト版 | 大量生成用途のコスト最適化に |
MAI-Transcribe-1.5 | 音声認識 | 43言語対応、競合比5倍の速度・SOTA精度と発表 | 議事録・コールセンター用途。録音データの取り扱いポリシー確認 |
MAI-Voice-2 | 音声合成 | 15言語対応、短いサンプルからの声の適応が可能 | 対応言語に日本語が含まれないとの報道あり（後述） |
MAI-Voice-2-Flash | 音声合成（軽量版） | 低コスト版（近日提供予定） | 同上 |
※ベンチマーク数値はMicrosoft発表および各種報道ベースです。第三者検証は限定的なため、自社評価（PoC）での確認を推奨します。
提供チャネルと料金
提供経路は「Copilot内包」「Foundry従量課金」「外部プラットフォーム」の3系統に分かれ、それぞれ管理主体とデータ条件が異なります。フラッグシップのMAI-Thinking-1は料金未発表のため、現時点では試算より先に「支出を分けて把握できる体制づくり」が優先です。
提供チャネル
MAIモデルの提供経路は複数あり、それぞれ管理主体が異なる点が情シスにとって重要です。
Microsoft Foundry：エンタープライズ向けの中心チャネル。MAI-Thinking-1は現在プライベートプレビューで、利用にはアクセス申請が必要です
1st Party製品への統合：MAI-Code-1-FlashはGitHub Copilot・VS Codeに統合済み
MAI Playground：パブリックプレビューを順次提供予定のWebプレイグラウンド
外部プラットフォーム：OpenRouter・Fireworks・Basetenでも提供（予定含む）。さらに今回初めて、開発者がモデルの重みを自分でチューニングできるようになります
料金
項目 | 状況 |
|---|---|
MAI-Thinking-1 | 未発表（2026年7月時点。プライベートプレビュー段階） |
MAI-Code-1-Flash | GitHub Copilotの既存料金に内包（追加費用なしとの報道） |
MAI-Transcribe-1.5 | $0.36/時間（Azure Speech経由、報道ベース） |
その他モデル | Foundry / Azure Speechの従量課金体系。詳細は各モデルページを要確認 |
料金が未発表・変動しうる段階のため、「Copilot内包分」と「Foundry従量課金分」を分けてコストを把握できる体制を先に作っておくことが、後述のコスト管理の観点で重要になります。
Frontier Tuning：自社データでモデルを育てる新オプション
7モデルと同時に発表された「Microsoft Frontier Tuning」は、強化学習環境（RLE）を使って自社のワークフローデータでMAIモデルをチューニングできる仕組みです。「自社特化モデルを低コストで持てる」有力な選択肢ですが、業務データを学習に使う仕組みである以上、導入検討はデータガバナンス要件の文書化とセットで進めるべきです。
Microsoftは「Excel向けにチューニングしたMAIモデルがGPT-5.4と同等の性能を最大10分の1のコストで実現した」と発表しており、汎用巨大モデル一択ではなく「自社特化の中規模モデル」という選択肢が現実味を帯びてきました。
情シス視点では、これは魅力である一方、「業務データ（作業ログ・判断の履歴）を学習に使う」ことを意味するため、導入前に以下の確認が必須です。
学習に使うデータの範囲と、個人情報・機密情報の除外基準
チューニング済みモデルとデータの所有権・保管場所（Microsoftは「あなたのデータはあなたのもの」と説明していますが、契約条項での確認が必要）
既存のAI利用ガイドライン・ISMS/AIMS（ISO 42001）文書への反映
ベンチマークで見るMuse Spark 1.1の実力と読み方
ツール利用・エージェント系の評価で首位級のスコアを示す一方、数値の多くはMeta自社測定であり、コーディング系では競合が上回る領域も残ります。
公表スコアの整理
Metaの発表および各種報道で示された主なスコアは以下の通りです。
ベンチマーク | Muse Spark 1.1 | 主な競合 | 情シスの読み方 |
|---|---|---|---|
MCP Atlas（ツール利用） | 88.1（首位） | Claude Opus 4.8、GPT-5.5を上回ると報道 | ツール・MCP中心のエージェント用途に強み |
Humanity's Last Exam | 62.1（首位と報道） | 同上 | 総合推論の目安 |
SWE-Bench Pro（コーディング） | 61.5 | Claude Opus 4.8が69.2で首位 | 高難度コーディングは競合優位が残る |
Meta Internal Coding Bench | Muse Sparkを大幅超え、GPT-5.5超・Opus 4.8匹敵 | — | Meta社内評価のため参考値 |
読み方のポイントは3つあります。第一に、これらの数値はMetaが自社ハーネスで測定したものであり、独立検証はまだ限定的です。第二に、Muse Spark 1.1が勝っている評価はツール利用・エージェント系に集中しており、純粋なコーディング品質では上位モデルに届かない領域が残る、というのが複数の報道の一致した見立てです。第三に、独立系の評価（VALS-AI等）では総合4位ながら速度とコスト効率が高い、という「価格性能比のモデル」としての評価が出ています。
つまり情シスの判断としては、「最強モデルの置き換え」ではなく、ツール呼び出しが多く出力量が膨らむエージェント処理のコスト最適化枠として捉えるのが現実的です。最高難度の推論・コーディングを任せる枠は、引き続き上位モデルで確保する構成が安全です。上位モデル側の統制設計はClaude Fable 5の料金体系とコスト統制：7/13まで無料内包延長、以降は従量課金へを参照してください。
情シスが押さえるべき5つの観点
MAI対応で情シスが確認すべきは「Copilot契約」「シャドーAI経路」「コスト構造」「データガバナンス」「日本語・リージョン」の5点です。特に前者2つは、導入判断以前に社内利用がすでに始まっている可能性があるため優先度が高くなります。
観点1：Copilotの「裏側モデル」が変わることを把握する
結論：MAI-Code-1-FlashはすでにGitHub Copilotの裏側で動いており、情シスが導入判断する前に社員が使い始めています。まず自社のCopilot契約でモデル選択とデータ処理条件を確認してください。
最も見落としやすいのがこの点です。MAI-Code-1-FlashはすでにGitHub Copilot・VS Codeに統合されており、社員が意識しないままMicrosoft自社モデルを使い始める構図になっています。今後、M365 Copilot側でもモデル選択肢としてMAIが増えていく可能性が高く、情シスとしては次を確認しておくべきです。
自社のCopilot契約で、裏側モデルの選択・固定ができるオプションが含まれているか
モデル変更時のデータ処理条件（学習利用の有無、保存リージョン）が変わらないか
開発部門に対して「Copilotで使われるモデルが変わりうる」ことの周知
Anthropic・OpenAIモデルのエンタープライズ利用でも同様の論点を整理しています。あわせてご覧ください。
観点2：シャドーAIの入口が増える（Playground・OpenRouter・重みチューニング）
結論：MAIはMicrosoft管理外の経路（Playground・外部API・重みの持ち出し）でも利用できるため、「Microsoft製だから安全」とは言えません。MAI登場を機にAI利用経路の棚卸しを一度実施すべきです。
MAIモデルはMicrosoft管理外の経路でも使える点に注意が必要です。MAI Playground（Webから誰でも試せる）、OpenRouter・Fireworks・Baseten経由のAPI利用、さらには重みを直接チューニングしたモデルの持ち出しなど、情シスの可視性が及ばない利用経路が同時に増えます。
「Microsoft製だから安全」という空気が社内に生まれやすいのも、MAI特有のリスクです。会社が契約するFoundry経由の利用と、個人アカウントでのPlayground・外部API利用ではデータの取り扱い条件がまったく異なります。シャドーAI検知と利用経路の棚卸しは、MAI登場を機に一度実施することをおすすめします。
観点3：コスト管理──「内包」と「従量」の二重構造
結論：MAIのコストは「Copilot内包分」と「Foundry従量課金分」の二重構造です。部門が個別にFoundryを使い始める前に、Azureサブスクリプション単位でAI支出を可視化する体制を先に整えてください。
MAIのコスト構造は、①GitHub Copilotなど既存ライセンスに内包される分と、②Foundry/Azure Speechの従量課金分の二重構造です。特に②は、部門が個別にFoundryプロジェクトを立ち上げると情シスの把握しないAzureサブスクリプションから従量課金が発生します。
Azureサブスクリプション単位でのAIサービス支出の可視化
MAI-Thinking-1の料金発表後の試算（同クラス競合の水準感から、GA時には従量課金が本格化する見込み）
OpenAI・Anthropic等の既存API契約との重複・使い分けの整理
観点4：データガバナンス──「クリーンデータ」主張の扱い方
結論：「蒸留なし・ライセンス済みデータのみ」の主張はAIガバナンス監査の回答材料として有用ですが、第三者検証は限定的です。社内文書では「ベンダー発表による」と出典を明記して扱ってください。
Microsoftは「蒸留なし・ライセンス済みデータのみ」を強く打ち出しており、学習データの来歴説明を求める社内ガイドラインやAIガバナンス監査への回答材料としては使いやすいモデルです。ただし、この主張自体の第三者検証は現時点で限定的です。社内文書に記載する際は「ベンダー発表による」と出典を明記し、鵜呑みにしない姿勢が実務的です。
また、Frontier Tuningを使う場合は自社データが学習対象になるため、AI利用ガイドラインの「学習利用可否」の項目を必ず更新してください。
観点5：日本語対応・リージョン提供状況
結論：日本語対応はモデルごとにばらつきがあり、日本リージョンの提供時期も未定です。日本語ワークロードは公式発表を待たず、必ず自社データでのPoC検証を挟んでください。
日本企業にとって現時点で最も注意すべき制約です。
MAI-Voice-2の対応15言語に日本語が含まれないとの報道があります（AI総合研究所）。日本語ナレーション用途は当面Azure Neural TTS等との併用が前提です
MAI-Thinking-1のFoundryプレビューは米国・欧州リージョン中心で、日本リージョンの提供時期は未発表です
MAI-Transcribe-1.5は43言語対応で日本語を含むとされますが、日本語の精度は自社の音声データでの検証を推奨します
導入判断フロー：まず何をすべきか
優先順位は「①Copilot契約とシャドー経路の確認（今すぐ）→ ②Transcribe・Thinking-1のPoC（1〜3か月）→ ③料金・日本リージョン発表後のモデルポートフォリオ再設計（中期）」の3段階です。
今すぐ（工数：小）
GitHub Copilot利用部門に、MAI-Code-1-Flashが統合された旨を共有し、コーディング支援の利用ルールを再確認する
自社のMicrosoft契約（EA/CSP）で、Copilotのモデル選択・データ処理条件を確認する
OpenRouter・MAI Playground等、管理外経路でのAI利用がないか棚卸しする
1〜3か月（工数：中）
議事録・文字起こしニーズがあれば、MAI-Transcribe-1.5の日本語精度をPoCで検証する（$0.36/時間なら小規模検証のハードルは低い）
MAI-Thinking-1のプライベートプレビューに申請し、既存のOpenAI/Anthropic APIワークロードとのコスト・性能比較の準備をする
中期（料金・日本リージョン発表後）
MAI-Thinking-1のGA料金を踏まえ、用途別のモデルポートフォリオ（MAI / GPT / Claude / Gemini）を再設計する
Frontier Tuningの適用領域を検討する場合は、データガバナンス要件を先に文書化する
他社モデルとの比較検討には、以下の記事もご活用ください。
マルチモデル時代のAI管理は「マネーフォワード Adminaで」
MAI登場後の情シスの本質的な課題は、個別モデルの選定ではなく「どのモデルが来ても統制できる可視化・コスト管理の基盤」を持つことです。
MAIの登場により、企業内では「Copilot（内包MAI）＋Foundry（従量MAI）＋OpenAI＋Anthropic＋…」というマルチモデル・マルチベンダーが標準になります。個別のモデル選定以上に、情シスの本質的な課題は次の3つに集約されます。
誰が・どの経路で・どのAIを使っているかの可視化（シャドーAI検知）
ライセンス内包分と従量課金分を合わせたAI関連コストの把握
アカウント・権限の棚卸しと退職時の確実な削除
「マネーフォワード Admina」は、SaaSアカウントの自動検出により組織内のAIサービス利用状況を可視化し、シャドーAIの検知、ライセンスの棚卸し、コスト最適化までを一元管理できるSaaS管理プラットフォームです。MAIをはじめとする生成AIサービスの利用統制の第一歩として、まず「現状の可視化」から始めてみませんか。
よくある質問（FAQ）
Q1. Microsoft AI Models（MAI）とCopilotの違いは何ですか？
A. Copilotは製品（アプリケーション）、MAIはその裏側で動くAIモデル群です。これまでCopilotは主にOpenAIモデルを利用してきましたが、MAI-Code-1-FlashのようにMicrosoft自社モデルが段階的に組み込まれつつあります。
Q2. MAIモデルはすぐに使えますか？
A. モデルによります。MAI-Code-1-FlashはGitHub Copilot・VS Codeで利用可能です。MAI-Thinking-1はMicrosoft Foundryのプライベートプレビュー段階で、アクセス申請が必要です。画像・音声系モデルはFoundry / Azure Speech経由で提供されています。
Q3. 料金はいくらですか？
A. MAI-Code-1-FlashはGitHub Copilotの既存料金に内包されるとされています。MAI-Transcribe-1.5は$0.36/時間との報道があります。フラッグシップのMAI-Thinking-1は2026年7月時点で料金未発表です。
Q4. 日本語には対応していますか？
A. モデルにより異なります。MAI-Transcribe-1.5は43言語対応で日本語を含むとされる一方、MAI-Voice-2の対応15言語には日本語が含まれないとの報道があります。日本語ワークロードは必ずPoCで精度を検証してください。
Q5. OpenAIとの関係はどうなるのですか？
A. MicrosoftはOpenAIモデルの提供を継続しつつ、自社モデルを並行展開する「マルチモデル」体制に移行しています。企業側もFoundry上でMAI・GPT・Claude等を用途別に使い分ける構成が現実的です。
まとめ
Microsoft Build 2026で、自社開発AIモデル群「Microsoft AI Models（MAI）」7モデルが発表された
ゼロ・ディスティレーションとクリーンなデータリネージを掲げ、エンタープライズのAIガバナンス要件を意識した設計
MAI-Code-1-FlashはすでにGitHub Copilotに統合済み。情シスが導入判断する前に、社内利用が始まっている可能性がある
MAI-Thinking-1はFoundryプライベートプレビュー中で料金未発表。日本リージョンの提供時期も未定
情シスの実務としては、①Copilot契約のモデル条件確認、②シャドーAI経路の棚卸し、③従量課金の可視化体制づくりの3点を先行して進めるのが安全
生成AIのモデル発表は今後も高頻度で続きます。個別モデルを追いかけるだけでなく、どのモデルが来ても統制できる管理基盤を整えることが、2026年の情シスにとって最も再現性の高い打ち手です。
本記事の内容に誤り等がございましたら、こちらからご連絡ください。
監修
Admina Team
情シス業務に関するお役立ち情報をマネーフォワード Adminaが提供します。
SaaS・アカウント・デバイスの管理を自動化し、IT資産の可視化とセキュリティ統制を実現。
従業員の入退社対応や棚卸し作業の工数を削減し、情報システム部門の運用負荷を大幅に軽減します。
中小企業から大企業まで、情シス・管理部門・経営層のすべてに頼れるIT管理プラットフォームです。
