MAI-Thinking-1 · MAI-Code-1-Flash · Surface RTX Spark Dev Box · Azure Foundry · Benchmark-Wahrheit
Kurzfassung: Auf der Build 2026 präsentierte Microsoft 7 eigene MAI-Modelle. Das Flaggschiff MAI-Thinking-1 liegt in Benchmarks eher auf Claude-Sonnet-4.6-Niveau, nicht auf dem zuvor beworbenen Opus-Vergleich. MAI-Code-1-Flash läuft bereits in GitHub Copilot. Die Surface RTX Spark Dev Box kommt Herbst 2026 in den USA und soll 120B+ Parameter lokal ausführen. Dieser Leitfaden deckt Hintergrund, alle sieben Modelle, Hardware, Aufhol-Analyse, Zugang und FAQ ab.
Sieben Jahre lang investierte Microsoft über 130 Milliarden Dollar in OpenAI; GPT auf Azure war das Rückgrat der KI-Strategie. Diese Abhängigkeit birgt drei Risiken:
Kosten: Jeder API-Aufruf geht an OpenAI — bei Skalierung schrumpft die Marge
Technische Souveränität: Kein Einfluss auf Iterationsrhythmus, Trainingsdaten oder Gewichte
Vertragsgrenzen: Das alte Abkommen beschränkte Microsoft beim Training großer Modelle
Ende 2025 wurde neu verhandelt: Modellgrößen-Limits entfielen, Microsoft darf eigenständig „Superintelligenz“ verfolgen. AI-Chef Mustafa Suleyman:
„Wir sind erst vor etwa sechs Monaten aus dem OpenAI-Vertrag ‚befreit‘ worden — mit eigenem IP, eigenen Daten, eigener Rechenleistung Superintelligenz anzustreben. Das ist ein sehr früher Anfang.“
Build 2026 ist der erste öffentliche Beweis dieses eigenen „Gehirns“.
| Modell | Fähigkeit | Status |
|---|---|---|
| MAI-Thinking-1 | Reasoning / Coding-Flaggschiff | Private Preview |
| MAI-Image-2.5 | Text-zu-Bild + Bild-zu-Bild | Verfügbar |
| MAI-Image-2.5 Flash | Schnellere, günstigere Bildgenerierung | Verfügbar |
| MAI-Transcribe-1.5 | Sprache-zu-Text, 43 Sprachen | Verfügbar |
| MAI-Voice-2 | Mehrsprachiges TTS + Stimmklon | Verfügbar |
| MAI-Code-1-Flash | GitHub Copilot / VS Code Coding | Verfügbar |
| MAI-Code-1 | Vollversion Coding-Modell | Verfügbar |
Positionierung: Microsofts erstes Reasoning-Modell für Enterprise-Coding und Mathematik — Kosten-Effizienz zuerst.
| Parameter | Wert |
|---|---|
| Architektur | Sparse MoE (Mixture of Experts) |
| Aktive Parameter | 35B (nur dieser Anteil bei Inferenz) |
| Gesamtparameter | ~1T (eine Billion) |
| Kontextfenster | 256K Tokens |
| Training | Von Grund auf, ohne Dritt-Distillation |
| Daten | Enterprise-Clean-Data, kommerziell lizenziert, nachverfolgbar |
| Status | Azure Foundry Private Preview |
Sparse MoE bedeutet: Bei Inferenz nur 35B aktiv — deutlich günstiger als dichte Flaggschiffe wie GPT-5.5 oder Claude Opus.
| Benchmark | MAI-Thinking-1 | Anmerkung |
|---|---|---|
| SWE-Bench Pro | 52,8 % | Microsoft: „auf Augenhöhe mit Claude Opus 4.6“ (siehe Analyse) |
| SWE-Bench Verified | 73,5 % | — |
| AIME 2025 | 97,0 % | Wettbewerbsmathematik |
| AIME 2026 | 94,5 % | Neue Aufgaben gegen Memorization |
| LiveCodeBench v6 | 87,7 % | Live-Coding |
| Menschen-Blindtest (vs. Sonnet 4.6) | Sieg | 1.276 Aufgaben, Surge unabhängig |
Der Tech Report sagt „competitive with Sonnet 4.6“ — Sonnet ist Anthropics Mittelklasse, nicht Opus
Verglichen wird mit veralteten Versionen: Claude Opus 4.8 erreicht 69,2 % SWE-Bench Pro; Microsoft nutzte Opus 4.6 (53,4 %)
GPT-5.5 liegt bei 58,6 % — ebenfalls über MAI-Thinking-1
Fazit: Wettbewerbsfähiges Mittelklasse-Reasoning mit starkem Kostenprofil, aber hinter aktuellen OpenAI-/Anthropic-Flaggschiffen.
Positionierung: Erstes Microsoft-Bildmodell mit Text-zu-Bild und Bild-zu-Bild; Arena.ai Bildbearbeitung Platz #2.
| Version | Input | Preis |
|---|---|---|
| Standard | Text | 5 $ / 1M Tokens |
| Bild-Input | 8 $ / 1M Tokens | |
| Bild-Output | 47 $ / 1M Tokens | |
| Flash | Text + Bild-Input | 1,75 $ / 1M Tokens |
| Bild-Output | 33 $ / 1M Tokens |
Positionierung: Transkription in 43 Sprachen, FLEURS #1, mehr als 5× schneller als Wettbewerber.
| Metrik | MAI-Transcribe-1.5 |
|---|---|
| Sprachen | 43 (Auto-Erkennung) |
| FLEURS Ø WER | 4,9 % |
| Artificial Analysis WER | 2,4 % (Rang 3) |
| Geschwindigkeit | 276× Echtzeit |
| Latenz vs. 1.4 | 5,7× schneller |
| Feature | Contextual Biasing (Keyword-Bias) |
| Preis | 0,36 $ / Audio-Stunde |
Übertrifft auf FLEURS u. a. Scribe V2, Whisper-large-V3, GPT-4o-Transcribe und Gemini 3.1 Flash. Typisch: Teams-Protokolle, Callcenter, Copilot-Spracheingabe, Barrierefreiheit.
Positionierung: Mehrsprachiges Text-to-Speech mit Stimmklon und Emotionskontrolle.
Positionierung: Für GitHub Copilot und VS Code optimiertes Reasoning-Coding — heute live.
FrontierNews.ai: Unter den 7 MAI-Modellen hat MAI-Code-1-Flash vermutlich den direktesten Alltagseffekt — ohne Private Preview, heute schon in VS Code.
Satya Nadella nannte sie „dream machine“ — kein gewöhnlicher Mini-PC.
| Parameter | Spezifikation |
|---|---|
| Chip | NVIDIA RTX Spark (Blackwell GPU + Grace CPU) |
| Unified Memory | 128 GB (CPU+GPU shared, zero-copy) |
| KI-Leistung | 1 Petaflop (1.000 TFLOPS) |
| Leistungsaufnahme | 100 W TDP |
| Gehäuse | Anodisiertes Aluminium, 3D-gedruckt, 1.000 Kühlöffnungen |
| System | Windows 11 Pro (Developer-Image) |
WSL 2 (GPU-Passthrough + CUDA), VS Code + GitHub Copilot, PowerShell 7, Python, Node.js, Git, NVIDIA CUDA/cuDNN, AI Toolkit for VS Code, Windows ML, Microsoft Foundry CLI.
Verkauf: USA (initial), nur Microsoft.com, Herbst 2026, Preis offen — auch für Verbraucher. Kernidee: Cloud-KI auf den Schreibtisch, Herausforderung an Pay-per-Token.
Mustafa Suleyman auf Build 2026:
„Das Ziel ist zu beweisen, dass wir zu den vier weltweit führenden KI-Laboren gehören. Aktuell noch nicht — genau deshalb bin ich bei Microsoft: die besten Frontier-Modelle, voll multimodal, von Grund auf.“
Die anerkannten „Big Three“: Google DeepMind, OpenAI, Anthropic.
| Aspekt | Bewertung |
|---|---|
| Eigenes Training | MAI-Thinking-1 ohne Distillation, from scratch |
| Multimodalität | Text, Bild, Sprache, Transkription, Code abgedeckt |
| Enterprise-Sicherheit | Lizenzierte Daten, kontrollierbare Gewichte, Azure-Residency |
| Kosten | Gleiche Aufgabe angeblich 10× günstiger als GPT-5.5 |
| Distribution | GitHub Copilot (Zehnmillionen Devs), M365, Teams |
| MAI-Code-1-Flash | Live — Entwickler nutzen es bereits |
| Aspekt | Stand |
|---|---|
| SWE-Bench Pro Flaggschiff | MAI-Thinking-1 52,8 % vs. Opus 4.8 69,2 % — ~16 PP |
| Iterationsgeschwindigkeit | Anthropic Opus 4.8, OpenAI GPT-5.6; Microsoft Gen 1 gerade erst da |
| Trainingsinfra | Eigener Ausbau vs. Google TPU / NVIDIA H100-Cluster |
| Tool-Ökosystem | Claude Code, OpenAI Codex reifer |
| MAI-Thinking-1 | Noch Private Preview |
| Dimension | Microsoft MAI | OpenAI GPT-5.6 Sol | Anthropic Opus 4.8 |
|---|---|---|---|
| SWE-Bench Pro | 52,8 % | ~58,6 % (GPT-5.5) | 69,2 % |
| Inferenzkosten | Niedrig (MoE) | Mittel | Mittel-hoch |
| Kontext | 256K | 1M | 200K |
| Datentransparenz | Hoch | Niedrig | Niedrig |
| Azure-Integration | Nativ | Über Partnerschaft | Über Partnerschaft |
| Developer-Ökosystem | Stark (GitHub, VS Code) | Sehr stark | Stark (Claude Code) |
| Lokale Inferenz-Hardware | Dev Box (exklusiv) | Keine | Keine |
| Verfügbarkeit | Teils Private Preview | Voll verfügbar | Voll verfügbar |
MAI-Code-1-Flash in Copilot — 75 Mio. Entwickler täglich auf Microsoft-Modellen
Surface RTX Spark Dev Box — „lokale KI-Souveränität“ als Hardware-Produkt
Enterprise-Fine-Tuning in Azure — Microsoft hält den Daten-Flywheel
Kurzfristig (1–2 Jahre): Reine Intelligenz-Benchmarks hinter OpenAI/Anthropic-Flaggschiffen. Mittelfristig (3–5 Jahre): Suleymans „Hill-Climbing Machine“ soll Iteration beschleunigen. Entscheidend ist nicht nur der Score, sondern wer Reibung in Workflows, Datensouveränität und Hardware kontrolliert.
| Modell | Status | Zugang |
|---|---|---|
| MAI-Thinking-1 | Private Preview | microsoft.ai/models/mai-thinking-1 |
| MAI-Image-2.5 / Flash | Live | Azure Foundry Model Catalog |
| MAI-Transcribe-1.5 | Live | Azure Speech API |
| MAI-Voice-2 | Live | Azure Speech API |
| MAI-Code-1-Flash / MAI-Code-1 | Live | GitHub Copilot / VS Code / API |
import openai
client = openai.AzureOpenAI(
azure_endpoint="https://<your-resource>.openai.azure.com/",
api_key="<your-api-key>",
api_version="2026-05-01"
)
response = client.chat.completions.create(
model="mai-code-1-flash",
messages=[
{"role": "system", "content": "You are an expert software engineer."},
{"role": "user", "content": "Refactor this Python function to use async/await: ..."}
],
max_tokens=2048
)
print(response.choices[0].message.content)MAI-Thinking-1 Private Preview: Microsoft Foundry → Model Catalog → „MAI-Thinking-1“ → Zugang beantragen. MAI-Modelle auch über OpenRouter, Fireworks AI, Baseten (Build 2026 angekündigt).
Azure-Abo und Foundry-Workspace-Berechtigung prüfen
MAI-Image / Transcribe / Voice / Code im Model Catalog deployen
VS Code / GitHub Copilot für MAI-Code-1-Flash aktualisieren
MAI-Thinking-1 Private Preview beantragen (falls Reasoning-Flaggschiff nötig)
Copilot-Inline-Vorschläge und Azure-Portal in macOS-GUI-Sitzung abnehmen
Private Preview in Azure Foundry — Zugang beantragen. Öffentliche Preview in wenigen Wochen erwartet.
Marketing nennt Opus 4.6, der Report vergleicht mit Sonnet 4.6. Opus 4.8: 69,2 % SWE-Bench Pro vs. 52,8 % — etwa 16 Prozentpunkte.
Preis noch nicht bekannt. Herbst 2026 in den USA über Microsoft.com — auch für Endkunden.
Ja. Azure Foundry ist multi-model — MAI und GPT-5.6 im selben Workspace.
MAI-Code-1-Flash ist Backend in Copilot (CLI und VS Code Inline) — ohne Konfigurationsänderung für Nutzer.
Dateneigentum. OpenAI-Fine-Tuning-Daten können unter bestimmten Bedingungen für Modellverbesserung genutzt werden; MAI-Fine-Tuning in Azure bleibt in Ihrer Umgebung — relevant für Finanz, Gesundheit, Recht.
Die MAI-Familie markiert den Übergang von tiefer OpenAI-Abhängigkeit zu „Eigenentwicklung + Distribution“. MAI-Thinking-1 differenziert bei Kosten und Compliance, hinkt bei Flaggschiff-Benchmarks hinterher; MAI-Code-1-Flash erreicht bereits Millionen über Copilot. Die Dev Box macht lokale 120B+-Inferenz zu einer Hardware-Story.
MAI-Code-1-Flash und Azure Foundry abzunehmen erfordert oft eine macOS-GUI für VS Code, Copilot-Auth und Portal — reines Windows/Linux deckt das nicht vollständig ab. Statt Dev Box ab Herbst oder teurem Mac-Hardwarekauf: VNCMac vermietet Remote-Macs stundenweise mit VNC — Copilot und Foundry grafisch prüfen, dann stoppen. Mac-Mietpläne ansehen.
Quellen: Microsoft AI · Tech Report · Build Keynote · Azure Foundry Blog · Surface Dev Box. Stand: 14. Juli 2026.