微軟據報將 Windows 打造成混合智慧平台，GitHub Copilot 可呼叫本地模型

據《AI 前線》報導，微軟在北京時間 10 月 8 日的 Windows 發布會宣布導入「混合智慧」架構，透過模型路由、Windows ML 與本地 AI 能力，讓 GitHub Copilot、Copilot 等產品依任務複雜度、成本與隱私要求，在雲端與本地模型間切換。官方尚未在本材料以外獲得獨立佐證，以下內容均屬該報導所述。 報導稱，GitHub Copilot 的 HydraFusion 將首次直接呼叫 Windows PC 上執行的本地模型，相關功能預計於 10 月稍晚陸續進入 GitHub Copilot 應用程式、CLI 與 VS Code。新版自動模式可將程式碼清理、問題分診等簡單任務交給本地模型，較複雜的工作則交由雲端模型處理；微軟現場示範由雲端 GPT-6 Luna 負責主任務，同時啟動 3 個以 MAI Code 1.1 Flash Local 執行的本地子 Agent 並行建置與測試，其中一個本地工作階段輸入約 166 萬 Token、輸出約 1.05 萬 Token，報導稱不會產生額外雲端模型費用。 Windows ML 是這套架構的另一項基礎，微軟正把 Llama.cpp 引入其中，讓開源模型可在 GPU、NPU 與 CPU 之間執行。報導並稱，MAI Code 1.1 Flash 是具備 1,370 億總參數、68 億啟用參數的 MoE 程式設計模型，本地版本經約 3 比特量化後，模型體積縮小近 80%，仍保留 256K 上下文；NVIDIA 正開發的超過 700 億參數 Nemotron 模型經 2 比特量化後，記憶體占用略高於 20GB；DeepSeek V4 Flash 則有 2,840 億參數，經 1.66 比特量化後可在本地執行，記憶體占用約 60GB。 Windows Copilot 的更新包括本地上下文、本地操作與本地模型。報導稱，Copilot Home 可搜尋並理解電腦中的檔案，Copilot Code 則可依提示產生原生 Windows 應用程式與小工具，並透過 MXC 將本地執行的程式放入沙箱；部分程式設計任務可由本地模型完成，以降低雲端呼叫成本並改善回應速度。微軟也展示 Autopilot 整理報稅資料的情境：本地模型負責從不同資料夾尋找、重新命名及整理檔案，產生 ZIP 檔後再由雲端協助撰寫回覆郵件，但寄出前仍須使用者確認。 報導將 MXC 描述為面向 Agent 的作業系統層安全機制，提供隔離、身分、可觀測性、治理與權限控制。Satya Nadella 認為，即使模型在雲端執行，本地 Harness 仍需存取檔案系統、執行命令與呼叫軟體，因此桌面必須成為 Agent 的安全執行環境；黃仁勳則稱，MXC 可能成為下一代 Agent 建置與部署的基礎設施。微軟也據報將為 OpenClaw 等常駐 Agent 提供快速安裝體驗與原生 Windows Gateway，並把可長時間運作的迷你桌面 PC 稱為「Claw Box」。 硬體方面，報導稱超過 40% 面向商用市場的微軟筆記型電腦已是 Copilot+ PC，所有 Copilot+ PC 每月在本地完成超過 2 兆次推理。微軟另發布 Surface Laptop Ultra，搭載 NVIDIA RTX Spark，最高配備 128GB 統一記憶體、AI 算力最高達 1 PFLOP；執行 Windows 的 DGX Station 則據稱可在本地執行 Llama 4 Maverick、Kimi K2.6 及超過 1 兆參數的 DeepSeek V4 Pro。 活動中，黃仁勳回顧 Windows、DirectX、GeForce 與 CUDA 對 NVIDIA 發展的影響，並稱若沒有 Windows，就不會有今天的 NVIDIA；兩人也提到 Azure 早期採用 InfiniBand 的 HPC 基礎設施，後來成為 OpenAI 訓練 GPT 模型的底座。Nadella 開玩笑說黃仁勳現在要把一些市值「轉回」給微軟，但報導稱微軟股價在發布會當天僅上漲約 0.1%，第二個交易日下跌 1.35%。