Microsoftovi novi modeli: brzine, ali i pitanja

Microsoft je objavio tri nova temeljna AI modela koji bi trebali potresti tržište multimodalnih rješenja. MAI-Transcribe-1, MAI-Voice-1 i MAI-Image-2 dolaze točno šest mjeseci nakon formiranja Microsoftove AI grupe, što je brzina razvoja koja impresionira, ali i izaziva skepsu. Prvi model transkribira govor u tekst na 25 jezika i to 2,5 puta brže od Azure Fast rješenja TechCrunch. Drugi generira 60 sekundi zvuka u jednoj sekundi, dok treći stvara video sadržaj – sve dostupno putem Microsoftove Foundry platforme.

Problem je što su brzine benchmarka često skrivaju prave izazove. MAI-Transcribe-1 možda je brz, ali kako se nosi s dijalektima, šumom ili stručnom terminologijom? Microsoft navodi da su modeli optimizirani za „praktičnu upotrebu“, no bez nezavisnih testova te tvrdnje ostaju u domeni marketinške priče. Isto vrijedi i za MAI-Voice-1, čija je sposobnost generiranja zvuka u realnom vremenu impresivna, ali koliko je kvaliteta dovoljna za profesionalnu upotrebu? The Verge ističe da su konkurenti poput ElevenLabs već godinama na tržištu s boljim rezultatima.

Microsoftov potez jasno signalizira namjeru da se distancira od OpenAI-ja, unatoč dugogodišnjem partnerstvu. Mustafa Suleyman, šef Microsoftove AI, naglašava da tvrtka gradi „Humanist AI“ – modele koji stavljaju ljude u centar. No, koliko je to stvarna filozofija, a koliko marketinški narativ? Wired podsjeća da je Microsoft već godinama u AI utrci, ali da su njegovi proizvodi često zaostajali za konkurencijom u stvarnoj upotrebi.

Što se tiče cijena, Microsoft nudi modele po 0,36 dolara po satu ili 22 dolara po milijun znakova. To zvuči pristupačno, ali koliko će poduzeća stvarno koristiti ove usluge umjesto provjerenih rješenja? Konkurenti poput Googleova DeepMinda ili Metina LLaMA-e već imaju etablirane ekosustave, a Microsoft tek počinje graditi svoj. Bloomberg ističe da je Foundry platforma ključna za Microsoftovu strategiju, ali da će trebati vremena da se dokaže kao ozbiljan igrač.

Razvojna zajednica reagira s mješavinom zanimanja i opreza. Na GitHubu i Hacker Newsu korisnici ističu da su modeli dostupni samo u ograničenom beta testiranju, što znači da je stvarna performansa još uvijek nepoznanica. Neki programeri spekuliraju da bi Microsoft mogao koristiti podatke iz GitHub Copilota ili Office 365 interakcija za treniranje, ali to nije potvrđeno Hacker News.

Microsoftova objava dolazi u trenutku kada je tržište AI rješenja zasićeno, a korisnici sve skeptičniji prema novim „revolucionarnim“ proizvodima. Brzina i cijena su važni faktori, ali bez dokazane kvalitete i pouzdanosti, ovi modeli riskiraju da ostanu samo još jedna stavka na Microsoftovom popisu AI eksperimenata. Pravo pitanje nije koliko su brzi, već koliko su dobri – i hoće li ih itko stvarno koristiti.

Budućnost ovih modela ovisit će o tome hoće li se pretvoriti u alat koji stvarno olakšava posao ili ostati tek još jedan eksperiment u brzoj AI utrci. Korisnici će odlučivati o njihovoj sudbini.