[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-microsoft-365-apps-steer-you-to-mai-models-zh":3,"article-related-microsoft-365-apps-steer-you-to-mai-models-zh":30,"series-tools-b2bb511a-9171-4fa2-8e3c-34134ddefd4a":77},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"b2bb511a-9171-4fa2-8e3c-34134ddefd4a","microsoft-365-apps-steer-you-to-mai-models-zh","Microsoft 365 把你導向 MAI 模型","\u003Cp data-speakable=\"summary\">以前你以為 365 的 AI 只是接模型，現在它開始把預設路徑往自家 MAI 轉。\u003C\u002Fp>\u003Cp>我用 \u003Ca href=\"\u002Ftag\u002Fmicrosoft\">Microsoft\u003C\u002Fa> 365 的 AI 功能一陣子了，越用越覺得怪。剛開始很順，問一句、回一句，表面上像是所有模型都能自由切換。但我盯久了就發現，事情不是這樣。它不是單純在賣一個聊天框，它是在慢慢改你會走哪條路。你以為自己在挑模型，實際上很多時候只是被預設帶著走。這種感覺最煩，因為它不吵不鬧，卻會把你團隊的工作流、成本、權限和未來整合全一起改掉。\u003C\u002Fp>\u003Cp>我會把這件事拆開，是因為 \u003Ca href=\"https:\u002F\u002Fwww.pcmag.com\u002Fnews\u002Fmicrosoft-365-apps-favoring-companys-ai-models-over-chatgpt-claude\">PCMag 這篇報導\u003C\u002Fa>把線索講得很直白：Microsoft 365 的 app 正在偏向自己的 AI 模型，而不是 \u003Ca href=\"\u002Ftag\u002Fchatgpt\">ChatGPT\u003C\u002Fa> 和 \u003Ca href=\"\u002Ftag\u002Fclaude\">Claude\u003C\u002Fa>。文中提到的重點包含 Microsoft 的 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-ai\">MAI-Code-1-Flash\u003C\u002Fa>，以及預計用在 Teams 的轉錄模型。來源沒給可用的觀看數、書籤數或星數，我就不亂補。\u003C\u002Fp>\u003Ch2>它不是多接一個模型，是把預設路徑收回去\u003C\u002Fh2>\u003Cblockquote>MAI-Code-1-Flash is Microsoft's coding assistant tool, designed to compete with Claude Code and OpenAI's Codex.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：Microsoft 不想只當模型轉接器了，它想直接管你在 365 裡會用哪個模型。以前你把 \u003Ca href=\"\u002Ftag\u002Fcopilot\">Copilot\u003C\u002Fa> 當成一個入口，背後接誰都無所謂。現在它開始自己做編碼助手、自己做轉錄模型，意思很清楚：常見任務先走自家路線，外部模型變成備案。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783587813062-4t7p.png\" alt=\"Microsoft 365 把你導向 MAI 模型\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這件事對開發者很重要，因為我們很容易把「模型」和「產品體驗」混在一起。實際上，真正影響你的是 routing。今天是 ChatGPT，明天換 MAI，後天某個功能又被塞進另一條管線。你看到的 UI 沒變，背後的延遲、成本、資料流向、可用性全變了。這就是我最不爽的地方：看起來像升級，實際上是默默改規則。\u003C\u002Fp>\u003Cp>我之前在做多模型工作流時就踩過這坑。表面上只是 default 改掉，結果 prompt 庫一半失效，另一半開始產生很煩的語氣差異。不是模型壞掉，是路由變了。你如果沒把這件事寫進流程，最後只會在會議上聽到一句很熟的話：先前可以啊，怎麼現在不行了？\u003C\u002Fp>\u003Cp>實操寫法很簡單：把每個 365 AI 功能當成一個有依賴的節點，不要把它當成「一個聊天欄位」。你要記錄它實際走哪個模型、誰能改預設、失效時怎麼退回去。這不是文書作業，這是在替你未來少背鍋。\u003C\u002Fp>\u003Cul>\u003Cli>列出團隊用到的 365 AI 入口：Word、Excel、Teams、Outlook、Copilot chat。\u003C\u002Fli>\u003Cli>標記每個入口背後的模型來源：自家、第三方、或是被抽象掉。\u003C\u002Fli>\u003Cli>把可預期行為和「最佳可用」行為分開管理。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>MAI-Code-1-Flash 代表 Microsoft 要自己吃下 coding 助手\u003C\u002Fh2>\u003Cp>Microsoft 把 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-ai\">MAI-Code-1-Flash\u003C\u002Fa> 直接拿出來講，這不是低調試水溫，這是明講：coding assistant 這塊它要自己握。這件事很像它在對 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude-code\">Claude Code\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002Fcodex\">OpenAI Codex\u003C\u002Fa> 丟話，意思是你們可以很強，但在 365 裡，我會先放自己的版本。\u003C\u002Fp>\u003Cp>白話講，這會把原本「我選最強模型」的思路，慢慢換成「我用最順的產品整合」。對 Microsoft 來說很合理，因為它有 Azure、GitHub、Windows、365 這一串現成入口。對開發者來說就沒那麼舒服了，因為你可能不是在選模型，而是在選生態系。模型再強，如果它離你的 repo、權限、審核流程很遠，體感也不一定贏。\u003C\u002Fp>\u003Cp>我很在意這點，是因為很多團隊評估 \u003Ca href=\"\u002Ftag\u002Fai-coding\">AI coding\u003C\u002Fa> 工具時只看答案\u003Ca href=\"\u002Fnews\u002Fanalysis-driven-transformer-linearization-zh\">品質\u003C\u002Fa>，沒看工作流成本。結果 demo 很漂亮，上線之後才發現它不懂 repo 結構、不懂權限邊界、也不懂你們公司那套奇怪的 merge 流程。這時候大家就會把問題怪到 prompt 身上，超省事，也超偷懶。\u003C\u002Fp>\u003Cp>實操寫法：你要把「模型品質」跟「工作流適配」拆開評分。前者看補全、推理、重構能力；後者看它能不能讀懂你的專案、會不會亂問確認、會不會卡在權限。兩個分數都要有，少一個都很容易被 vendor 帶著跑。\u003C\u002Fp>\u003Cul>\u003Cli>同一個 prompt 丟三個工具，別只比答案，要比修改過程。\u003C\u002Fli>\u003Cli>檢查它能不能講出你 repo 的實際結構，而不是空話。\u003C\u002Fli>\u003Cli>記錄它有沒有過度要求授權或確認。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>Teams 轉錄模型最陰，因為它會碰到一堆下游\u003C\u002Fh2>\u003Cp>PCMag 提到 Microsoft 還打算推出自己的 Teams 轉錄模型。這句話看起來很平，但我看到會皺眉。因為轉錄不是一個單點功能，它後面接的是搜尋、會議摘要、法遵留存、\u003Ca href=\"\u002Fnews\u002Fco-lmlm-continuous-query-limited-memory-models-zh\">知識\u003C\u002Fa>庫同步，甚至是客服紀錄。你一旦換模型，影響不是只有辨識率，還有整條下游。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783587806768-r2y0.png\" alt=\"Microsoft 365 把你導向 MAI 模型\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>也就是說，Microsoft 如果把轉錄模型收回來，它就同時握住語音辨識品質、延遲、語言支援、資料流向。這種控制力比一般人想得大很多。很多使用者會把轉錄當成基礎設施，覺得「能用就好」，但一旦它變成第一方模型，平台就能決定你看到什麼、存什麼、怎麼存。\u003C\u002Fp>\u003Cp>我以前換過一次會議轉錄供應商，最痛的不是準確率，而是 timestamp 漂掉、speaker label 改掉、後面的摘要系統一起炸。那次之後我就不再把轉錄當成小事。它不是字幕功能，它是整個知識流程的入口。入口一改，後面全部跟著抖。\u003C\u002Fp>\u003Cp>實操寫法：先把轉錄輸出的契約寫死。你需要哪些欄位、容忍多少錯誤、多久內要完成、哪些下游系統會吃這份資料，都先列清楚。這樣就算 Microsoft 偷偷換模型，你也能靠監測抓到，不會等使用者來罵。\u003C\u002Fp>\u003Ch2>Microsoft 想收回外部模型，因為控制權比模型名更值錢\u003C\u002Fh2>\u003Cp>站在平台方角度，這一步其實很好懂。每次 365 的任務跑去 ChatGPT 或 Claude，Microsoft 就少一點對成本、延遲、差異化的控制。把任務拉回自家模型，代表它可以自己調整體驗，也能把更多價值留在自己的堆疊裡。\u003C\u002Fp>\u003Cp>這裡真正麻煩的是依賴關係。很多團隊會假設外部模型永遠可用、永遠是首選、永遠能插上去。這種假設在 demo 階段沒事，到了企業環境就很危險，因為你其實是在押一個你管不到的政策選擇。今天 Microsoft 想推自家模型，明天它就能把預設改掉，然後你只能配合。\u003C\u002Fp>\u003Cp>我看過太多開發者只盯輸出品質，\u003Ca href=\"\u002Fnews\u002Fhp-openai-deal-cheap-stock-debate-zh\">卻沒\u003C\u002Fa>盯分發權。問題從來不只是「哪個模型比較聰明」，而是「誰握著預設路徑」。在 Microsoft 365 這種產品裡，預設就是權力。你不寫下來，它就會自己長歪。\u003C\u002Fp>\u003Cp>實操寫法：把 AI 依賴分成三桶，第一方、第三方、使用者可自行切換。然後問一個很煩但很必要的問題：如果 Microsoft 明天改預設，哪個流程會先壞？先把那個流程補強。\u003C\u002Fp>\u003Cul>\u003Cli>把所有 AI 依賴畫成表，標示控制權歸屬。\u003C\u002Fli>\u003Cli>標出哪些功能可以替換模型，哪些不行。\u003C\u002Fli>\u003Cli>針對不能替換的功能，先寫退場方案。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>別被模型名騙了，真正重要的是存取邊界\u003C\u002Fh2>\u003Cp>我一直覺得 AI 產品最愛玩的一招，就是把模型名講得很大聲，讓人以為自己懂了。其實沒有。模型叫什麼不重要，重要的是它能不能看你的私有文件、能不能讀 tenant 資料、能不能穿過權限、輸出有沒有被快取、管理員能不能關掉。這些才是企業裡真正會出事的地方。\u003C\u002Fp>\u003Cp>換句話說，先問 boring 的問題，再問 shiny 的問題。資料從哪來？有沒有外網？是不是跟使用者同權限？輸出會不會留存？可以被稽核嗎？這些問題很無聊，但它們決定一個功能到底是能上線，還是只能在簡報裡活著。\u003C\u002Fp>\u003Cp>我很少相信 demo，因為 demo 最會藏問題。真正的產品不是那個漂亮畫面，而是 permission boundary 和 routing logic。這兩個東西如果亂，模型再強也救不了。很多人把 AI 整合失敗怪在模型不夠聰明，我反而常看到是權限設計先爛掉。\u003C\u002Fp>\u003Cp>實操寫法：替團隊做一頁式 AI policy，不要寫成十頁沒人看的內規。內容只要講清楚能用什麼、不能送什麼資料、誰能改預設、出了問題找誰。短一點，才真的有人看。\u003C\u002Fp>\u003Ch2>我會先盯這三件事，別等 Microsoft 幫你改流程\u003C\u002Fh2>\u003Cp>如果 Microsoft 繼續把更多功能塞進自家模型，我預期 365 裡會出現更多「看起來一樣、實際路徑不同」的 AI 功能。這對一般使用者可能只是少一點選擇，但對團隊來說，代表你要更早管理模型依賴，不然後面會被動得很難看。\u003C\u002Fp>\u003Cp>我自己的建議很直接：不要等到 vendor 宣布切換政策，你才開始補文件。你應該現在就把模型變更測試、fallback、資料路徑、管理員控制寫進流程。這些東西不是策略簡報，是日常維運。你不寫，它就不存在。\u003C\u002Fp>\u003Cp>我最後給你的判斷標準也很簡單：如果一個 AI 功能可以換模型，就把換模測試寫進 release checklist；如果不能換，就別假裝它是可插拔的。誠實一點，少很多麻煩。\u003C\u002Fp>\u003Cp>實操寫法：把下面這份模板直接丟進你的團隊文件。它不是漂亮文件，但很耐用，夠你在 Microsoft 365 這種會默默改路徑的環境裡活下來。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Microsoft 365 AI model dependency checklist\n\n## 1) Feature inventory\n- App:\n- Feature:\n- Current model\u002Fprovider:\n- First-party or third-party:\n- User can override default? (yes\u002Fno):\n\n## 2) Data path\n- Input data types allowed:\n- Sensitive data allowed? (yes\u002Fno):\n- Tenant-scoped access? (yes\u002Fno):\n- External internet access? (yes\u002Fno):\n- Retention\u002Flogging notes:\n\n## 3) Output contract\n- Required output format:\n- Required accuracy threshold:\n- Required latency threshold:\n- Downstream systems affected:\n- Known failure modes:\n\n## 4) Fallback plan\n- Primary model:\n- Fallback model:\n- Manual fallback process:\n- Owner for incident response:\n- Test schedule:\n\n## 5) Change detection\n- What will trigger a re-test?\n- Who approves model changes?\n- Where are changes documented?\n- How do users report regressions?\n\n## 6) Team policy\n- Approved tools:\n- Disallowed data types:\n- Admin override rules:\n- Review cadence:\n\n## 7) Quick scorecard\n- Output quality:\n- Workflow fit:\n- Permission clarity:\n- Cost predictability:\n- Vendor lock-in risk:\n\n## Decision\n- Keep as-is:\n- Replace:\n- Restrict:\n- Re-evaluate on:\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>我自己會把這份表單放在部署文件旁邊，而不是埋進什麼 AI 戰略簡報。原因很簡單：真正會出事的不是策略，是日常切換。模型一換、權限一改、輸出一漂，整個團隊就開始互相怪。\u003C\u002Fp>\u003Cp>來源我主要拆的是 PCMag 這篇：\u003Ca href=\"https:\u002F\u002Fwww.pcmag.com\u002Fnews\u002Fmicrosoft-365-apps-favoring-companys-ai-models-over-chatgpt-claude\">Microsoft 365 Apps Favoring Company's AI Models Over ChatGPT, Claude\u003C\u002Fa>。文中的事實線索來自原報導，我的模板、判斷框架和實作建議是我自己整理出來的。\u003C\u002Fp>","我拆 Microsoft 365 怎麼把 AI 預設導向自家 MAI 模型，順手給你一份可直接套用的模型依賴檢查表。","www.pcmag.com","https:\u002F\u002Fwww.pcmag.com\u002Fnews\u002Fmicrosoft-365-apps-favoring-companys-ai-models-over-chatgpt-claude",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783587813062-4t7p.png","tools","zh","8c9b25e0-b342-4add-8054-dfec29a0cb70",[17,18,19,20,21],"Microsoft 365","MAI","model routing","Copilot","Teams transcription",[23,24,25],"Microsoft 365 正在把 AI 預設路徑往自家 MAI 模型收回去。","開發者要分開看模型品質、工作流適配與權限邊界。","最實用的做法是把模型依賴、fallback 與變更測試寫成清單。",0,"2026-07-09T09:03:03.249447+00:00","2026-07-09T09:03:03.243+00:00","a267916d-5a35-4dec-b399-4687965ace3a",{"tags":31,"relatedLang":36,"relatedPosts":40},[32,34],{"name":17,"slug":33},"microsoft-365",{"name":20,"slug":35},"copilot",{"id":15,"slug":37,"title":38,"language":39},"microsoft-365-apps-steer-you-to-mai-models-en","Microsoft 365 apps steer you to MAI models","en",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"21719a7c-38ff-41f0-bc20-19ce2359b2cd","windsurf-ai-review-2026-best-ai-code-editor-zh","Windsurf AI 評測與試用產出","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783603982923-k62p.png","2026-07-09T13:32:29.298891+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"04127a06-1065-4857-a702-a5965c572270","awesome-llm-turns-llm-research-into-a-map-zh","Awesome-LLM 把研究變地圖","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783591417864-oa6n.png","2026-07-09T10:03:05.514011+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"f6d10bbd-e5bf-488f-8040-a9d7ddcd73a1","docker-right-default-mariadb-setup-zh","Docker 應該成為 MariaDB 的預設部署方式","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783564359663-dtxu.png","2026-07-09T02:32:17.24941+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"9d7a3824-d296-4a6a-b5b0-17f6cf2420cd","codex-11-skills-anthropic-repo-zh","Codex 最實用的 11 個 Skills","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783560792028-aeec.png","2026-07-09T01:32:41.40503+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"e1144d75-9832-4d02-97af-95700b5e9547","claude-code-hidden-checks-expose-bad-habit-zh","Claude Code 讓你先審再用","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783447387646-8qal.png","2026-07-07T18:02:41.063784+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"5882cab0-ccef-4732-a062-0c8710c5b5f8","claude-ban-lifted-access-restoration-playbook-zh","Claude 解禁后访问恢复怎么做","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783339421191-4tml.png","2026-07-06T12:03:13.581131+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"3ce6e6e2-bac5-463e-9f8d-45caabcc61f7","awesome-ai-for-science-research-tools-map-zh","AI 科研工具清單，開始像地圖了","2026-03-27T01:46:50.521945+00:00"]