Copilot मध्ये Microsoft ने OpenAI आणि Anthropic च्या जागी स्वतःचे (In-House) मॉडेल्स आणले

Microsoft आपल्या Copilot इकोसिस्टमला OpenAI आणि Anthropic सारख्या तृतीय-पक्ष (third-party) दिग्गजांपासून दूर नेऊन स्वतःच्या मालकीच्या MAI मॉडेल्सकडे वेगाने वळवत आहे. या धोरणात्मक बदलाचा उद्देश Excel, Outlook आणि GitHub Copilot सारख्या प्रमुख उत्पादनांवरील प्रचंड लायसन्स खर्च कमी करणे हा आहे.

इन-हाऊस (In-House) MAI मॉडेल्सकडे वळणे

बाह्य AI प्रदात्यांवरील अवलंबित्व कमी करण्यासाठी Microsoft सध्या दीर्घकालीन धोरण राबवत आहे. अलीकडील अहवालांनुसार, Microsoft चे इन-हाऊस MAI मॉडेल्स आधीच Excel आणि Outlook मध्ये दर आठवड्याला हजारो विनंत्या (requests) हाताळत आहेत—ही अशी ॲप्लिकेशन्स आहेत जी पूर्वी OpenAI आणि Anthropic मॉडेल्सवर मोठ्या प्रमाणावर अवलंबून होती.

उत्पादकता सॉफ्टवेअरच्या पलीकडे, ही मालकीची मॉडेल्स GitHub Copilot मध्ये समाविष्ट केली जात आहेत आणि Microsoft Teams मध्ये भविष्यात एका विशेष ट्रान्सक्रिप्शन मॉडेलचे रोलआउट करण्याचे नियोजन आहे. Microsoft चे AI प्रमुख मुस्तफा सुलेमान यांनी या हालचालीमागील आर्थिक कारणाबद्दल स्पष्टता दर्शवत म्हटले आहे की, कंपनीचे उद्दिष्ट Anthropic ला द्यावे लागणारे उच्च शुल्क "कमी करणे आणि अखेरीस पूर्णपणे काढून टाकणे" हे आहे.

कामगिरीचे बेंचमार्क विरुद्ध मार्केटिंगचे दावे

अलीकडील Build कॉन्फरन्समध्ये, Microsoft ने सात नवीन मॉडेल्स सादर केले, ज्यामध्ये MAI-Thinking 1 हे त्यांचे पहिले समर्पित रीझनिंग मॉडेल (reasoning model) म्हणून destaque पावले. मानवी मूल्यमापनाच्या आधारावर हे मॉडेल कोडिंग कामांमध्ये Anthropic च्या Sonnet 4.6 आणि Opus 4.6 शी स्पर्धा करू शकते असा दावा Microsoft ने केला असला तरी, स्वतंत्र बेंचमार्क अधिक सावध चित्र मांडतात.

तांत्रिक मूल्यमापनानुसार, Thinking-1 प्रत्यक्षात OpenAI आणि Anthropic च्या आघाडीच्या मॉडेल्सच्या मागे आहे आणि त्याची कामगिरी DeepSeek V3.2 च्या पातळीच्या जवळ आहे. या विसंगतीमुळे डेव्हलपर्स आणि एंटरप्राइझ वापरकर्त्यांच्या मनात प्रश्न निर्माण होत आहेत की, इन-हाऊस मॉडेल्सकडे वळल्यामुळे रीझनिंग आणि कोडिंग क्षमतेमध्ये लक्षणीय घट होईल का.

किंमत आणि वापरकर्त्याच्या अनुभवावर होणारा संभाव्य परिणाम

इन-हाऊस मॉडेल्सकडे वळल्यामुळे ग्राहक AI साठी पैसे कसे देतात यामध्ये मूलभूत बदल होऊ शकतात. Microsoft आपला नफा (margins) वाढवण्याचा प्रयत्न करत असल्याने, वापरकर्त्यांना त्याच सबस्क्रिप्शन किमतीत कमी सक्षम "डिफॉल्ट" मॉडेल्स मिळण्याची शक्यता आहे.

CEO सत्या नडेला यांनी वापर-आधारित किंमत (usage-based pricing) पद्धतीकडे वळण्याचे संकेत दिले आहेत. यामुळे एक टियर-आधारित इकोसिस्टम तयार होऊ शकते, जिथे Microsoft चे MAI मॉडेल्स मानक सेवा म्हणून काम करतील, तर OpenAI किंवा Anthropic ची उच्च-कार्यक्षमता मॉडेल्स प्रीमियम, अतिरिक्त शुल्कावर आधारित ॲड-ऑन्स (add-ons) म्हणून मर्यादित राहतील. थोडक्यात सांगायचे तर, पूर्वी Microsoft द्वारे सोसले जाणारे खर्च लवकरच थेट ग्राहकांवर लादले जाऊ शकतात.

डेटा पारदर्शकता आणि कायदेशीर बारकावे

Microsoft ने आपल्या MAI मॉडेल्सना "व्यवसायासाठी सुरक्षित" (safe for business) म्हणून सादर केले आहे कारण ती स्वच्छ आणि व्यावसायिकरित्या परवानाप्राप्त डेटावर प्रशिक्षित आहेत. तथापि, तांत्रिक दस्तऐवजांवरून असे दिसून येते की यामध्ये Common Crawl डेटासेटचा वापर केला गेला आहे—हा वेब डेटाचा एक प्रचंड संग्रह आहे ज्याचा AI प्रशिक्षणासाठी कायदेशीर दर्जा अद्याप तीव्र वादाचा विषय आहे. जरी ही पद्धत संपूर्ण उद्योगात सामान्य असली तरी, Microsoft चा "स्वच्छ" डेटावरील भर कॉर्पोरेट मार्केटिंग आणि वेब-स्केल स्क्रॅपिंगच्या कायदेशीर वास्तव्यांमधील तणाव अधोरेखित करतो.

मुख्य मुद्दे

• खर्च ऑप्टिमायझेशन (Cost Optimization): नफा वाढवण्यासाठी Microsoft Excel, Outlook आणि GitHub Copilot मध्ये महागड्या OpenAI आणि Anthropic मॉडेल्सची जागा इन-हाऊस MAI मॉडेल्सने घेत आहे.
• कामगिरीतील तफावत (Performance Gap): उच्च दर्जाच्या मॉडेल्सशी समानता असल्याच्या दाव्यांनंतरही, सुरुवातीचे बेंचमार्क असे सूचित करतात की Microsoft ची रीझनिंग मॉडेल्स सध्या उद्योगातील आघाडीच्या मॉडेल्सच्या मागे आहेत.
• किंमतीतील बदल (Pricing Evolution): वापरकर्त्यांना वापर-आधारित किंमत पद्धतीकडे वळताना पाहायला मिळू शकते, जिथे प्रीमियम तृतीय-पक्ष मॉडेल्स मानक वैशिष्ट्यांऐवजी सशुल्क ॲड-ऑन्स बनतील.