Microsoft Copilot માં OpenAI અને Anthropic ને બદલે પોતાના In-House મોડલ્સનો ઉપયોગ કરશે

Microsoft તેના Copilot ઇકોસિસ્ટમને OpenAI અને Anthropic જેવા તૃતીય-પક્ષ (third-party) જાયન્ટ્સથી દૂર કરી, તેના પોતાના પ્રોપ્રાઇટરી MAI મોડલ્સ તરફ ઝડપથી ખસેડી રહ્યું છે. આ વ્યૂહાત્મક ફેરફારનો હેતુ Excel, Outlook અને GitHub Copilot જેવા મુખ્ય ઉત્પાદનોમાં લાઇસન્સિંગના મોટા ખર્ચમાં ઘટાડો કરવાનો છે.

In-House MAI મોડલ્સ તરફનું સ્થળાંતર

Microsoft હાલમાં બાહ્ય AI પ્રદાતાઓ પરની તેની નિર્ભરતા ઘટાડવા માટે લાંબા ગાળાની વ્યૂહરચના અમલમાં મૂકી રહ્યું છે. તાજેતરના અહેવાલો અનુસાર, Microsoft ના in-house MAI મોડલ્સ Excel અને Outlook માં દર અઠવાડિયે હજારો વિનંતીઓ (requests) પર પ્રક્રિયા કરી રહ્યા છે—એવા એપ્લિકેશન્સ જે અગાઉ OpenAI અને Anthropic મોડલ્સ પર ખૂબ નિર્ભર હતા.

પ્રોડક્ટિવિટી સોફ્ટવેર ઉપરાંત, આ પ્રોપ્રાઇટરી મોડલ્સને GitHub Copilot માં પણ જોડવામાં આવી રહ્યા છે, અને Microsoft Teams માં ભવિષ્યમાં એક વિશેષ ટ્રાન્સક્રિપ્શન મોડલ લોન્ચ કરવાની યોજના છે. Microsoft ના AI હેડ મુસ્તફા સુલેમાન (Mustafa Suleyman) એ આ પગલા પાછળના આર્થિક કારણ વિશે સ્પષ્ટતા કરી છે, અને જણાવ્યું છે કે કંપનીનો હેતુ Anthic ને ચૂકવવામાં આવતા ઊંચા ખર્ચને "ઘટાડવાનો અને અંતે નાબૂદ કરવાનો" છે.

પરફોર્મન્સ બેન્ચમાર્ક વિરુદ્ધ માર્કેટિંગ દાવાઓ

તાજેતરની Build કોન્ફરન્સમાં, Microsoft એ સાત નવા મોડલ્સ રજૂ કર્યા હતા, જેમાં તેનું પ્રથમ ડેડિકેટેડ રીઝનિંગ મોડલ MAI-Thinking 1 મુખ્ય હતું. જોકે Microsoft એ દાવો કર્યો હતો કે માનવ મૂલ્યાંકન (human evaluations) ના આધારે આ મોડલ કોડિંગ કાર્યોમાં Anthropic ના Sonnet 4.6 અને Opus 4.6 ની સમકક્ષ હોઈ શકે છે, પરંતુ સ્વતંત્ર બેન્ચમાર્ક એક અલગ જ ચિત્ર રજૂ કરે છે.

ટેકનિકલ મૂલ્યાંકન સૂચવે છે કે Thinking-1 વાસ્તવમાં OpenAI અને Anthropic ના અગ્રણી મોડલ્સ કરતા પાછળ છે, અને તેનું પરફોર્મન્સ DeepSeek V3.2 ની સ્તરની નજીક છે. આ તફાવત ડેવલપર્સ અને એન્ટરપ્રાઇઝ વપરાશકર્તાઓ માટે પ્રશ્નો ઊભા કરે છે કે શું in-house મોડલ્સ તરફનું આ સ્થળાંતર રીઝનિંગ અને કોડિંગ ક્ષમતાઓમાં નોંધપાત્ર ઘટાડો લાવશે.

કિંમત અને વપરાશકર્તા અનુભવ પર સંભવિત અસર

In-house મોડલ્સ તરફનું આ પગલું ગ્રાહકો AI માટે કેવી રીતે ચૂકવણી કરે છે તેમાં મૂળભૂત ફેરફાર લાવી શકે છે. જેમ જેમ Microsoft તેના માર્જિન સુધારવાનો પ્રયાસ કરી રહ્યું છે, તેમ એવી શક્યતા છે કે વપરાશકર્તાઓને સમાન સબ્સ્ક્રિપ્શન કિંમત માટે ઓછા સક્ષમ "default" મોડલ્સ મળી શકે છે.

CEO સત્ય નાડેલાએ વપરાશ-આધારિત (usage-based) કિંમત તરફના ફેરફારનો સંકેત આપ્યો છે. આનાથી એક સ્તરિત (tiered) ઇકોસિસ્ટમ બની શકે છે જ્યાં Microsoft ના MAI મોડલ્સ પ્રમાણભૂત ઓફરિંગ તરીકે કામ કરશે, જ્યારે OpenAI અથવા Anthropic ના હાઇ-પરફોર્મન્સ મોડલ્સ પ્રીમિયમ, વધારાના ચાર્જવાળા એડ-ઓન્સ (add-ons) તરીકે રાખવામાં આવશે. અનિવાર્યપણે, અગાઉ Microsoft દ્વારા ભોગવવામાં આવતા ખર્ચ હવે સીધા ગ્રાહક પર લાદવામાં આવી શકે છે.

ડેટા પારદર્શિતા અને કાનૂની પાસાઓ

Microsoft એ તેના MAI મોડલ્સને "વ્યાપાર માટે સુરક્ષિત" (safe for business) તરીકે રજૂ કર્યા છે કારણ કે તેઓ ક્લીન અને કોમર્શિયલ લાઇસન્સ ધરાવતા ડેટા પર તાલીમ પામેલા છે. જોકે, ટેકનિકલ દસ્તાવેજો Common Crawl ડેટાસેટના ઉપયોગને દર્શાવે છે—જે વેબ ડેટાનો એક વિશાળ સંગ્રહ છે અને AI તાલીમ માટે તેની કાનૂની સ્થિતિ હજુ પણ તીવ્ર ચર્ચાનો વિષય છે. જોકે આ પદ્ધતિ સમગ્ર ઉદ્યોગમાં સામાન્ય છે, તેમ છતાં Microsoft દ્વારા "ક્લીન" ડેટા પર આપવામાં આવેલો ભાર કોર્પોરેટ માર્કેટિંગ અને વેબ-સ્કેલ સ્ક્રૅપિંગની કાનૂની વાસ્તવિકતાઓ વચ્ચેના તણાવને દર્શાવે છે.

મુખ્ય મુદ્દાઓ

• ખર્ચનું ઓપ્ટિમાઇઝેશન: માર્જિન વધારવા માટે Microsoft Excel, Outlook અને GitHub Copilot માં મોંઘા OpenAI અને Anthropic મોડલ્સને બદલે in-house MAI મોડલ્સનો ઉપયોગ કરી રહ્યું છે.
• પરફોર્મન્સ ગેપ: ટોપ-ટિયર મોડલ્સ સાથે સમાનતાના દાવાઓ છતાં, પ્રારંભિક બેન્ચમાર્ક સૂચવે છે કે Microsoft ના રીઝનિંગ મોડલ્સ હાલમાં ઉદ્યોગના અગ્રણીઓ કરતા પાછળ છે.
• કિંમતમાં ફેરફાર: વપરાશકર્તાઓ વપરાશ-આધારિત કિંમત તરફનો ફેરફાર જોઈ શકે છે, જ્યાં પ્રીમિયમ તૃતીય-પક્ષ મોડલ્સ પ્રમાણભૂત સુવિધાઓને બદલે પેઇડ એડ-ઓન્સ બની શકે છે.