Microsoft признала ошибку привязки Copilot к OpenAI и вложит $2,5 млрд в мульти-модельный ИИ
Компания, у которой самое глубокое партнёрство с OpenAI, теперь продаёт возможность быстро менять ИИ-модели. Что это значит для разработчиков и инфраструктуры.
Новости Tproger
Microsoft сделала ставку на гибкость вместо моногамии с одной ИИ-моделью. Компания объявила о создании нового подразделения Microsoft Frontier Company с фондом в $2,5 млрд, которое будет помогать крупным заказчикам выбирать, комбинировать и быстро менять генеративные модели под свои задачи.
Решение выросло из собственного опыта: по словам Judson Althoff, главы коммерческого направления Microsoft, привязка оригинального Copilot исключительно к моделям OpenAI была ошибкой. Клиентам важнее не бренд модели, а результат: их данные плюс та архитектура, которая даёт лучший отклик, цену и безопасность.
Ключевые выводы
Microsoft запускает подразделение Frontier Company с бюджетом $2,5 млрд для помощи enterprise-клиентам в выборе ИИ-моделей.
Компания признала: привязка Copilot только к OpenAI была ошибкой, и теперь продвигает мульти-модельную стратегию.
Современные приложения всё чаще маршрутизируют запросы между несколькими моделями в зависимости от стоимости, скорости и требований к данным.
Рынок отвечает развитием ИИ-шлюзов и оркестраторов: LiteLLM, Portkey, LangGraph, MCP, Azure AI Foundry, Amazon Bedrock, Google Vertex AI.
Почему одной модели уже недостаточно
В одном типичном корпоративном сценарии может понадобиться суммаризация тикета, анализ 300-страничного договора, генерация письма, расшифровка встречи и ревью кода. Это разные задачи: для длинного контракта выгоднее модель с огромным контекстом, для быстрых ответов — лёгкая и дешёвая, для чувствительных данных — локальная open-weight модель. Вместо того чтобы искать универсального победителя, разработчники строят слой маршрутизации, который отправляет каждый запрос к подходящей модели.
We made a mistake by binding it to OpenAI models only.
Что это меняет для инженеров
Если раньше приложение жёстко завязывалось на один API, то теперь ключевой навык — проектирование оркестрации. Нужно уметь сравнивать модели по качеству, задержке и цене, мониторить отказы, переключать трафик и соблюдать политики безопасности. В enterprise-масштабе такие решения принимаются миллионы раз в день, поэтому шлюз должен быть быстрым и управляемым.
Кто ещё строит маршрутизацию
- LiteLLM и Portkey — нормализуют API разных провайдеров.
- LangChain / LangGraph — рассчитаны на много-модельные пайплайны.
- Model Context Protocol (MCP) — делает инструменты переносимыми между моделями.
- Azure AI Foundry, Amazon Bedrock, Google Vertex AI — предлагают десятки моделей за единым endpoint.
Выводы
Microsoft закладывает $2,5 млрд на то, что следующий конкурентный рубеж в enterprise ИИ — не сама модель, а умение ею управлять. Для разработчиков это означает рост спроса на инфраструктуру маршрутизации, observability и политики данных. Если облачная эра научила не привязываться к одному серверу, то ИИ-эра учит не привязываться к одной модели.
Оригинал материала: The New Stack — Enterprise AI Model Routing.
Часто задаваемые вопросы
Что такое ИИ-маршрутизация (model routing)?
Это практика отправки каждого запроса к той языковой модели, которая лучше всего подходит по цене, скорости, качеству и требованиям к данным.
Почему Microsoft отходит от эксклюзивной привязки к OpenAI?
По признанию главы Microsoft Commercial Business, привязка Copilot только к OpenAI была ошибкой. Клиентам важнее результат и собственные данные, чем конкретная модель.
Какие инструменты помогают реализовать мульти-модельную архитектуру?
Популярные варианты: ИИ-шлюзы LiteLLM и Portkey, оркестраторы LangChain/LangGraph, протокол MCP, а также облачные платформы Azure AI Foundry, Amazon Bedrock и Google Vertex AI.
