微软于2026年11月17日发布首款语音对语音模型mai realtime 1,基础语音使用费每音频分钟0.01美元起,推理另按每百万输入token 1美元、输出token 5美元计费。模型面向企业实时对话,可处理打断、简短确认、等待对方说完及工具调用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
微软公布的固定40问音频子集评估,横轴按每小时输入音频归一化。
对话流畅与任务执行采用协同设计
官方说明,模型在需要深入判断时调用更强推理引擎,同时维持实时语音响应;通过提示词调整语气与行为,并连接企业系统处理实际请求。微软称其兼容OpenAI Realtime API,但具体应用迁移仍需验证事件、认证、工具和音频配置,不能仅替换名称就假定全部行为相同。

微软公布的语音智能体评测,区别于基础每分钟定价。
评测成本不是一分钟价格的简单换算
Big Bench Audio展示的是固定40问子集,微软内部评估为98.9%,按每小时输入音频归一化约1.3548美元;Tau-Voice则衡量智能体任务完成。这两组评测与基础语音价格统计对象不同,不能把图中的每小时费用当作统一产品小时套餐。
Foundry仍为限量访问预览
用户可在MAI Labs体验,Foundry则需登记限量访问预览。微软表示,预览客户在公开预览开始前不会被计费;这不等于公开预览以后仍永久免费。Agoda、Reservations.ai被列为早期试用方,Dynamics 365 Contact Center等集成也应按官方所述阶段分别理解。











