Microsoft Foundry: ny modellbølge med GPT-5.6, MAI og Claude Opus 5

Microsoft Foundry har fått den mest sammensatte modellbølgen jeg har sett til nå: GPT-5.6 fra OpenAI, fire nye MAI-modeller fra Microsoft selv, Claude Opus 5 fra Anthropic og Gemma 4 fra Google DeepMind, alt landet mellom april og juli i år. Jeg mener dette er mer enn en oppgradering av modellkatalogen, det er et strategiskifte fra "én beste modell" til en hel portefølje du velger fra etter oppgave, budsjett og hvor dataene faktisk får lov til å ligge. Her går jeg gjennom hva som er nytt, hva det koster, og hvorfor Sweden Central betyr noe helt annet for OpenAI enn det gjør for Anthropic.

Fra én modell til en hel hylle

Fire nye MAI-modeller fra Microsoft selv. GPT-5.6 i tre varianter fra OpenAI. Claude Opus 5 fra Anthropic. Gemma 4 fra Google DeepMind. Alt har landet i Microsoft Foundry siden i vår, og jeg tror ikke tempoet er tilfeldig. Etter å ha fulgt Foundry-katalogen tett siden GPT-5.1 kom i november, er dette første gang jeg ser Microsoft selv levere modeller som konkurrerer med egne partnere i samme katalog, ikke bare distribuere dem.

GPT-5.6: tre modeller og endelig egen EU-datasone

GPT-5.6 ble generelt tilgjengelig i Microsoft Foundry i tre varianter: Sol for tung resonnering og agentiske arbeidsflyter, Terra som balansert arbeidshest priset konkurransedyktig med gamle GPT-5.5, og Luna som det billigste og raskeste alternativet for høyvolumoppgaver som klassifisering og chat. Jeg synes tre-delingen er et fornuftig grep. Tidligere måtte man ofte overprovisionere til den dyre modellen bare fordi en billig variant ikke fantes.

Det som faktisk endrer noe for oss i Norden er at GPT-5.6 lanseres med Global Standard, Global Priority Processing og Data Zone Standard i alle 28 globale regioner fra dag én, samtidig som Asia-Pacific-datasonen ble generelt tilgjengelig. Ingen Tier 5/6-sperre denne gangen, slik vi så ved lanseringen av GPT-5.5. Jeg vil likevel sjekke kvotetieren før dere planlegger Provisioned Throughput, for reservasjonsprisene varierer fortsatt med tier:

az rest --method get --url "https://management.azure.com/subscriptions/<abonnement-id>/providers/Microsoft.CognitiveServices/quotaTiers?api-version=2025-10-01-preview" --query "value[0].properties.currentTierName" --output tsv

Kommandoen svarer med noe sånt som Tier 2, og gir dere et konkret utgangspunkt før forhandling om reservert kapasitet.

MAI-modellene: Microsoft satser på egne ben

Microsoft satser nå tydelig på egne modeller ved siden av OpenAI og Anthropic. Fire MAI-modeller kom i offentlig forhåndsvisning samme måned: MAI-Image-2 og den raskere MAI-Image-2e for bildegenerering, MAI-Voice-1 for tale, og MAI-Transcribe-1 for talegjenkjenning. Det som overrasker meg minst av alt er at Microsoft understreker at ingen av disse er destillert fra andre labber, de trener fra bunnen på det de kaller ren, sporbar data. Etter flere runder med kunder som har vært nervøse for datalinje i AI-modeller, mistenker jeg at det argumentet treffer bedre i Europa enn i USA.

Bilder, tale og tekst fra MAI

MAI-Image-2e leverer samme bildekvalitet som MAI-Image-2 opptil 22 prosent raskere og fire ganger mer effektivt, noe som gjør den til et naturlig valg for produktbilder og markedsføringsvarianter i stort volum. Begge tar imot prompter på opptil 32 000 tokens og returnerer ett PNG-bilde med minst 768×768 piksler. Et enkelt kall mot MAI-Image-2e ser slik ut:

curl -s -X POST "https://<din-ressurs>.services.ai.azure.com/mai/v1/images/generations" \

-H "Content-Type: application/json" \

-H "api-key: <din-api-nokkel>" \

-d '{

"model": "MAI-Image-2e",

"prompt": "En smal brosteinsgate i en middelhavslandsby i gylden kveldstime",

"width": 1024,

"height": 1024

}'

Jeg vil anbefale å teste MAI-Image-2e mot Stable Image-modellene dere kanskje allerede kjører i Foundry før dere bytter, kvalitet er subjektivt nok til at et A/B-blikk lønner seg.

MAI-Voice-1 er en nevral tekst-til-tale-modell som kjører gjennom Azure Speech i Foundry, med seks ferdiglagde engelske stemmer som justerer tonefall automatisk uten manuell SSML-koding, og den fungerer også som grunnmodell for Personal Voice. MAI-Transcribe-1 håndterer WAV, MP3 og FLAC opptil 300 MB gjennom LLM Speech API, med SDK-er for Python, C#, Java og JavaScript. Ingen norsk språkstøtte er nevnt foreløpig, og det er etter min erfaring typisk for førstegenerasjons taleannonseringer fra Microsoft: engelsk (US) kommer alltid først, nordisk språkstøtte følger gjerne et par kvartaler senere.

Claude Opus 5: tilgjengelig i Sweden Central, men ikke garantert EU-bosted

Claude Opus 5 ble tilgjengelig i Foundry samme dag som Anthropic lanserte modellen, 24. juli, med 1 million tokens kontekstvindu og opptil 128 000 tokens i output. Modellen faktureres i Claude Consumption Units der én CCU koster 0,01 dollar, og Opus 5 ligger på 5 dollar per million input-tokens og 25 dollar per million output-tokens, altså 500 og 2 500 CCU. Jeg synes CCU-modellen fortsatt er unødvendig tungvint å budsjettere med når resten av katalogen bruker rene token-priser.

Her er poenget jeg egentlig ville frem til: Foundry tilbyr Opus 5 i to varianter, én hostet på Anthropics egen infrastruktur og én hostet på Azure med full datalagring i Azure. Begge er tilgjengelig i Sweden Central under Global Standard, så regionvalget ser riktig ut i portalen. Problemet er at Data Zone Standard, altså garantert databehandling innenfor én geografisk sone, ikke finnes for Claude-modeller i Europa ennå, og Global Standard-trafikk kan rute gjennom regioner utenfor EU. Etter min erfaring er det nettopp dette skillet, ikke om modellen er "tilgjengelig i Sverige", som avgjør om et europeisk selskap kan bruke den til regulerte data. Jeg vil anbefale enhver norsk virksomhet i finans, helse eller offentlig sektor å avklare dette med eget personvernombud før Opus 5 rulles ut på sensitive arbeidsflyter, ikke stole på at Sweden Central i seg selv er nok.

Gemma 4 fyller ut bredden

Google DeepMind sin Gemma 4 ligger fortsatt i katalogen via Hugging Face-samlingen, Apache 2.0-lisensiert, med kontekstvindu opptil 256 000 tokens og støtte for over 140 språk. Jeg har fremdeles mest tro på Gemma 4 til dokumentintensive, flerspråklige oppgaver der lisenskost teller mer enn topp-ytelse, og det har ikke endret seg siden april.

Frontier Tuning: skreddersøm som lønner seg

Det jeg synes er den egentlige nyheten her er ikke modellene i seg selv, men Microsoft Frontier Tuning: en MAI-modell finjustert på Excel-arbeidsflyter skal matche GPT-5.4 mens den bruker opptil ti ganger mindre beregningskraft. Microsoft bygger dette på forsterkningslæring i det de kaller egne miljøer, der agentens faktiske arbeidsspor, ikke bare tekstdata, blir treningsgrunnlaget. Legg til at Microsoft og Mayo Clinic nå samarbeider om en dedikert helsemodell som først skal driftes internt hos Mayo før den etter hvert blir tilgjengelig via Foundry, og bildet blir tydelig: Microsoft bygger ikke lenger bare en katalog, de bygger en fabrikk for skreddersydde modeller. Jeg tror dette er der differensieringen mellom Foundry og konkurrentene faktisk kommer til å ligge om et par år, ikke i hvem som har den råeste frontier-modellen denne måneden.

Slik velger du riktig modell

For team som skal velge riktig modell nå, satt jeg opp en enkel beslutningstabell basert på det jeg har testet og lest av dokumentasjon:

Er budsjett viktigere enn topp-ytelse, har jeg også skrevet om det rimeligere sporet i GPT-5.1 i Azure AI Foundry. Jeg bygger selv agenter på toppen av disse modellene i Foundry Agent Service, og har skrevet mer utfyllende om det steget i Slik bygger du AI-agenter med Azure AI Foundry. Kombinert med observability-oppsettet jeg beskrev i Agent Observability i Azure AI Foundry er dette omtrent den stacken jeg anbefaler kundene mine å starte med nå.

Hva bør du gjøre nå

Min konklusjon etter å ha gått gjennom hele denne modellbølgen er at "velg den beste modellen" ikke lenger er nok. Spørsmålet du også må stille er hvor modellen faktisk kjører, og hvem som garanterer det skriftlig. Trenger dere hjelp til å sette opp modellvalg, kvotestyring eller en dataresidens-vurdering for egne arbeidsflyter i Microsoft Foundry? Kontakt meg for en gjennomgang tilpasset deres miljø.

Les også