مائیکروسافٹ (MSFT) نے بڑی اسٹریٹجک شفٹ میں تین ملکیتی AI ماڈلز کی نقاب کشائی کی۔

فہرست فہرست مائیکروسافٹ نے بدھ کے روز AI ریس میں اپنے سب سے جرات مندانہ اقدام کو انجام دیا، تین ملکیتی ماڈلز کی نقاب کشائی کی جو ٹیک دیو کو OpenAI، Google اور ابھرتی ہوئی AI کمپنیوں کے براہ راست حریف کے طور پر پوزیشن میں رکھتے ہیں۔ Microsoft Corporation, MSFT نئی جاری کردہ تینوں — MAI-Transcribe-1, MAI-Voice-1, اور MAI-Image-2 — اب Microsoft فاؤنڈری اور ایک وقف شدہ MAI پلے گراؤنڈ کے ذریعے رسائی حاصل کی جا سکتی ہے۔ ان ٹولز میں تقریر کی شناخت، آواز کی ترکیب اور بصری مواد کی تخلیق شامل ہے۔ مائیکروسافٹ کے اے آئی سی ای او مصطفیٰ سلیمان نے اپنی "سپر انٹیلی جنس ٹیم" کی طرف سے افتتاحی پروڈکٹ کے طور پر پہلی فلم کی خصوصیت کی، جو محض چھ ماہ قبل قائم کی گئی تھی۔ مائیکروسافٹ نے 2027 تک ایڈوانسڈ AI ماڈلز تیار کرنے کے منصوبوں کا اعلان کیا۔ — فرسٹ اسکواک (@FirstSquawk) 2 اپریل 2026 MSFT کے حصص نے 2008 کے بعد سے اپنی سب سے مشکل سہ ماہی کا تجربہ کیا، جو کہ تقریباً %1-7 سال کم ہو رہے ہیں۔ اس ماڈل کا تعارف AI کی خاطر خواہ سرمایہ کاری پر بامعنی منافع کے حصول کے لیے شیئر ہولڈر کے مطالبات کے لیے سلیمان کے ابتدائی عوامی ردعمل کی نشاندہی کرتا ہے۔ MAI-Transcribe-1 پرچم بردار پیشکش کے طور پر کھڑا ہے۔ یہ مائیکروسافٹ پروڈکٹس میں استعمال ہونے والی ٹاپ 25 زبانوں کے لیے FLEURS بینچ مارک پر سب سے کم اوسط ورڈ ایرر ریٹ فراہم کرتا ہے، جو اوسطاً 3.8% ریکارڈ کرتا ہے۔ کمپنی کا دعویٰ ہے کہ یہ تمام 25 زبانوں میں OpenAI کی Whisper-large-v3 کارکردگی سے زیادہ ہے اور 25 میں سے 22 کو Google کے Gemini 3.1 فلیش کو پیچھے چھوڑ دیتا ہے۔ یہ سسٹم MP3، WAV، اور FLAC فائلوں کو 200MB تک ہینڈل کرتا ہے، بیچ پروسیسنگ کی رفتار موجودہ Azure سلوشن سے 2.5 گنا زیادہ تیز ہے۔ ٹیموں اور کوپائلٹ وائس کے اندر پہلے ہی ٹیسٹنگ جاری ہے۔ MAI-Voice-1 صرف ایک سیکنڈ میں 60 سیکنڈ کا حقیقت پسندانہ آڈیو آؤٹ پٹ تیار کرتا ہے اور صرف سیکنڈ تک چلنے والے کم سے کم آڈیو نمونوں سے حسب ضرورت آواز پیدا کرنے کے قابل بناتا ہے۔ قیمت $22 فی ملین حروف پر رکھی گئی ہے۔ MAI-Image-2 نے Arena.ai لیڈر بورڈ پر ٹاپ تھری پوزیشن حاصل کی ہے اور اسے Bing اور PowerPoint میں ضم کیا جا رہا ہے، جس کی قیمت $5 فی ملین ان پٹ ٹوکن اور $33 فی ملین امیج آؤٹ پٹ ٹوکن ہے۔ ڈبلیو پی پی ٹیکنالوجی کو بڑے پیمانے پر نافذ کرنے والا ایک ابتدائی انٹرپرائز اپنانے والا بن گیا ہے۔ اس پروڈکٹ کا آغاز بارہ مہینے پہلے نہیں ہو سکتا تھا۔ اکتوبر 2025 تک، مائیکروسافٹ کو اپنے اصل 2019 OpenAI معاہدے کے تحت آزاد مصنوعی جنرل انٹیلی جنس کی ترقی کو روکنے کے لیے معاہدے کی پابندیوں کا سامنا کرنا پڑا۔ جب OpenAI نے مائیکروسافٹ سے آگے اضافی کمپیوٹ وسائل کی پیروی کی - SoftBank اور دیگر کے ساتھ شراکت داری قائم کی - Microsoft نے معاہدے پر دوبارہ گفت و شنید شروع کی۔ اپ ڈیٹ کردہ معاہدہ مائیکروسافٹ کو 2032 تک OpenAI کی پیشرفت کے لائسنس کے حقوق کو برقرار رکھتے ہوئے ملکیتی فرنٹیئر ماڈلز تیار کرنے کی اجازت دیتا ہے۔ سلیمان نے VentureBeat کو وضاحت کی: "پچھلے سال ستمبر میں، ہم نے OpenAI کے ساتھ معاہدے پر دوبارہ بات چیت کی، اور اس نے ہمیں آزادانہ طور پر اپنی سپر انٹیلی جنس کی پیروی کرنے کے قابل بنایا۔" انہوں نے اس بات پر زور دیا کہ اوپن اے آئی کی شراکت داری کم از کم 2032 تک جاری رہے گی۔ اعلان کے سب سے حیران کن انکشافات میں سے: 10 سے کم عمر انجینئرز کی ترقیاتی ٹیموں نے ہر ماڈل بنایا۔ سلیمان نے اشارہ کیا کہ آڈیو ماڈل ٹیم 10 افراد پر مشتمل ہے، جس میں کارکردگی میں بہتری افرادی قوت کی توسیع کے بجائے آرکیٹیکچرل انتخاب اور ڈیٹا کیوریشن سے ہوتی ہے۔ "ہماری امیج ٹیم، یکساں طور پر، 10 افراد سے کم ہے،" انہوں نے نوٹ کیا۔ یہ طریقہ کار صنعت کے مروجہ طریقوں سے بالکل متصادم ہے، جہاں میٹا جیسی تنظیموں نے مبینہ طور پر انفرادی محقق معاوضے کے پیکجز کو $100 ملین سے لے کر $200 ملین تک بڑھا دیا ہے۔ مائیکروسافٹ اپنی جان بوجھ کر مسابقتی قیمتوں پر زور دیتا ہے - جس کا ڈھانچہ ایمیزون اور گوگل کو کم کرنے کے لیے بنایا گیا ہے۔ سلیمان نے اسے "کسی بھی ہائپر اسکیلرز میں سے سب سے سستا" کا لیبل لگایا۔ تنظیم پہلے ہی آنے والے 12 سے 18 مہینوں میں فرنٹیئر پیمانے پر GPU کلسٹر تعیناتیوں کا نقشہ بنا رہی ہے۔ سلیمان نے توثیق کی کہ ترقی کے روڈ میپ پر زبان کا ایک بڑا ماڈل ظاہر ہوتا ہے، یہ بتاتے ہوئے کہ مائیکروسافٹ کا مقصد "مکمل طور پر خود مختار" بننا ہے جبکہ "تمام طریقوں میں جدید ترین ماڈلز" فراہم کرنا ہے۔