Microsoft, OpenAI modellerine olan bağımlılığını azaltmak amacıyla geliştirdiği iki yeni yerel yapay zeka modelini genel önizlemeye sundu. Şirketin Superintelligence ekibi tarafından duyurulan MAI-Image-2.5-Pro ve MAI-Voice-2-Flash modelleri, maliyetleri ciddi oranda düşürürken performansı artırmayı hedefliyor.

Yüksek Kaliteli Görsel ve Hızlı Ses Çözümleri

Yeni modellerden MAI-Image-2.5-Pro, özellikle detaylı düzenlemeler ve görseller üzerindeki metinlerin hassas bir şekilde oluşturulması için tasarlandı. Bu modelin fiyatlandırması milyon metin girdisi için 5 dolar, milyon görsel girdisi için 8 dolar ve milyon görsel çıktısı için 106 dolar olarak belirlendi. Öte yandan MAI-Voice-2-Flash, yüksek hacimli kurumsal iş yükleri için geliştirildi. MAI-Voice-2 modeline kıyasla iki kat daha hızlı çalışan ve maliyeti yüzde 32 daha düşük olan bu ses modelinin fiyatı milyon karakter başına 15 dolar olarak açıklandı.

Maliyetlerde Yüzde 89'a Varan Düşüş

Microsoft, yeni modellerin kullanım verileriyle GPU maliyetlerinde büyük tasarruflar sağlandığını belirtti. Dynamics 365 Contact Center üzerinde kullanılan MAI-Voice-2-Flash'ın GPU maliyetlerini yüzde 89'a kadar azalttığı bildirildi. PowerPoint tarafında ise MAI-Image-2.5 modelinin, OpenAI'ın GPT-Image-2 modeline oranla GPU maliyetlerini yüzde 84 düşürdüğü ifade edildi. Bing Image Creator artık tamamen şirket içi geliştirilen MAI-Image-2.5 modeliyle çalışıyor.

Yeni modeller ayrıca OneDrive, Excel, GitHub Copilot ve Azure gibi platformlara entegre edildi. OneDrive üzerinde yapılan testlerde, görsel düzenleme senaryolarında kayıt oranlarının yüzde 26 arttığı ve gecikme sürelerinin yüzde 25 oranında düştüğü kaydedildi.

Ne anlama geliyor?

Yapay zeka sistemlerinde hesaplama gücü gereksinimi, yüksek donanım maliyetlerini beraberinde getirir. Özellikle büyük veri setlerini işleyen sistemlerde işlem birimlerinin kullanımı, operasyonel giderlerin en büyük kalemini oluşturur. Kendi modellerini geliştiren yapay zeka sağlayıcıları, dışarıdan hizmet alma ihtiyacını ortadan kaldırarak bu maliyetleri optimize eder ve sistem yanıt sürelerini kısaltır.

Görsel üretim süreçlerinde, metinlerin doğru şekilde işlenmesi teknik bir zorluktur ve bu yeteneğin geliştirilmesi dijital içerik üretimini kolaylaştırır. Ses teknolojilerinde ise düşük gecikme süresi, gerçek zamanlı iletişim araçlarının doğal bir akışta çalışmasını sağlar. Bu durum, özellikle müşteri hizmetleri gibi yüksek trafikli alanlarda daha hızlı ve ucuz çözümler üretilmesine imkan tanır.