Microsoft MAI 모델: WER 3.8% 및 2027년까지 계획

# 마이크로소프트, 멀티모달 AI 모델 개발 가속화: 2027년 프론티어 수준 계획

마이크로소프트는 초지능 팀을 통해 전문화된 AI 모델 시리즈를 출시한다. 주요 출시 모델로는 전사 기능용 MAI-Transcribe-1, 음성 합성용 MAI-Voice-1, 이미지 생성용 MAI-Image-2가 있다. 모든 모델은 Microsoft Foundry와 MAI Playground에서 이용할 수 있다. 주요 초점은 FLEURS에서 WER 3.8%를 기록한 전사 기능으로, Whisper-large-v3와 Gemini 3.1 Flash를 앞선다.

모델의 기술 사양

MAI-Transcribe-1은 가장 흔한 25개 언어에서 FLEURS 벤치마크 기준 단어 오류율(Word Error Rate, WER) 3.8%를 기록했다. 이 모델은 다음을 능가한다:

• 모든 25개 언어에서 Whisper-large-v3(OpenAI);
• 25개 중 22개 언어에서 Gemini 3.1 Flash(Google).

이러한 성과는 좁은 전문화에서 비롯된다: 경쟁사 대비 훨씬 적은 훈련 데이터 양과 GPU 자원. 이는 품질을 희생하지 않으면서 추론 비용을 줄인다.

MAI-Voice-1은 자연스러운 음성 생성에 초점을 맞추며, 다른 모델과 결합해 멀티모달 파이프라인을 구성한다. MAI-Image-2는 이미지 생성을 개선해 고해상도와 맥락 정확도를 지원한다.

MAI Playground를 통한 접근은 프로토타이핑을 간편하게 한다: 개발자들은 로컬 인프라 없이 실시간으로 모델을 테스트하고 모달리티를 결합할 수 있다.

전략 전환: 오프-프론티어부터 리더십으로

이전에는 마이크로소프트가 오프-프론티어 접근을 따랐다—OpenAI보다 3~6개월 늦게 출시해 비용을 최적화했다. 마이크로소프트 AI 수장 무스타파 술레이만(Mustafa Suleyman)은 2027년까지 모든 모달리티(텍스트, 이미지, 오디오)에서 프론티어 모델을 출시하는 방향으로 전환한다고 발표했다.

목표는 독립성: 외부 의존 없이 최고 수준의 품질, 효율성, 가격. 회사는 컴퓨트 자원을 확대 중이다:

• 10월부터 NVIDIA GB200 클러스터 가동;
• 12~18개월 내 프론티어 수준 용량 계획;
• 사티아 나델라(Satya Nadella)의 로드맵 직접 참여.

이는 실적 부진 후 투자자 압력에 대응한 조치다: AI 인프라 투자에 대한 투자 수익(ROI)을 과제별 모델의 낮은 생산 비용으로 실현한다.

인프라와 확장

GB200 클러스터는 훈련과 추론에 높은 처리량을 제공한다. 프론티어 컴퓨트로 전환하면 조 단위 토큰 규모 데이터셋을 처리할 수 있으며, 멀티모달 트랜스포머를 지원한다.

자원 비교에서 효율성이 두드러진다:

| Model | WER (FLEURS, 25 languages) | Resources (relative to competitors) |

|--------------------|----------------------------|-------------------------------------|

| MAI-Transcribe-1 | 3.8% | 데이터와 GPU 적음 |

| Whisper-large-v3 | >3.8% | 데이터/GPU 많음 |

| Gemini 3.1 Flash | >3.8% (3 languages) | 표준 |

최적화는 증류, 가지치기, 특정 과제에 맞춘 맞춤 아키텍처에서 나온다.

주요 요약

• MAI-Transcribe-1, FLEURS에서 WER 선두, 25개 언어 우위 확인;
• 2027년 프론티어 모델 전환: 멀티모달성과 독립성 강조;
• 전문화로 비용 절감—더 적은 GPU와 데이터로 더 나은 지표;
• Foundry/Playground 통합으로 신속 배포;
• 투자자 압력이 마이크로소프트 내부 개발을 가속화.

— Editorial Team