Microsoft bejelentette a MAI-Thinking-1-et, az első olyan érvelő (reasoning) nyelvi modelljét, amelyet nem egy másik fejlesztő modelljéből distilláltak vagy finomhangoltak, hanem a vállalat saját fejlesztésében készült. A modellt a Microsoft a Build konferencián mutatta be, és a cég szerint közepes méretű modellnek tekinthető, amely összevethető Claude Sonnet 4.6-tal.
Műszaki jellemzők és képességek
- Bemenet/kimenet: szöveg be és ki, akár 256 000 tokenig.
- Architektúra: mixture-of-experts (MoE) — teljes paraméterszám 1 billió (1 trillion), tokenonként aktív 35 milliárd paraméter.
- Képességek: funkcióhívás (function calling), fejlesztői utasítások (developer instructions) támogatása, amelyek konfliktus esetén a felhasználói promptok fölé vannak rangsorolva, és kompatibilitás OpenAI Chat Completions API-val.
Képzés: adatok és eljárás
A Microsoft részletezte, hogy a MAI-Thinking-1 létrehozása több lépésben történt: alapmodell előtréningje, majd külön példányok finomhangolása szakosodott „tanár” modellekké, ezek distillálása egy „diák” modellbe, majd a diák modellel való érvelés megtanítása megerősítéses tanulással (reinforcement learning).
A cég által megadott számok szerint az előtréning és a köztes tréning adatmennyisége rendre körülbelül 30 billió és 3,55 billió token volt, elsősorban ember által generált anyagokkal, amelyek több mint 50 százalékban kódot tartalmaztak. A post-training (utótréning) adatok között több mint 5 millió STEM kérdés és több mint 160 000 kódolási kérdés szerepelt.
A Microsoft állítása szerint az előtréning többségét licencelt anyagokból végezték, és kifejezetten kerülték a szintetikus (AI-generált) adatok elsődleges használatát. A cég érve szerint ha egy modellt AI-generált adatokon vagy külső tanármodellek distillációjával képeznek, az átveszi a tanár tervezési döntéseit és kevésbé általánosítható; ezért közvetlen, saját tréninggel könnyebben alakítható a viselkedése.
Kiegészítő weblapos adatgyűjtésként a Microsoft körülbelül 1,2 billió (1.2 trillion) weboldalt crawlt, ezt szűrve 794 milliárd oldalra csökkentette, és emellett 24,2 milliárd deduplikált weboldalt vont be a Common Crawl nyilvános archívumából.
Szakosodott modellek és konszolidáció
A csapat megerősítéses tanulást alkalmazott az alapmodell alapján három külön specialistára: egy a STEM érvelésre, egy az agentikus kódolásra és eszközhasználatra, és egy a hasznosságra és biztonságra fókuszálóra. Ahelyett, hogy más modellek gondolatmenet-mintáit utánozták volna, ezek az egyedüli láncolatokat (chains of thought) hozták létre, és helyes matematikai megoldásokért, kódtesztek sikeres lefutásáért és ésszerű döntésekért kaptak jutalmat.
A három specialista egyesítése két lépcsőben történt: (i) felügyelt finomhangolás (supervised fine-tuning) a distillációhoz, majd (ii) egy megerősítéses tanulási kör, hogy csökkentsék a túlzott visszautasításokat és javítsák a biztonságot és stílust.
Teljesítmény és mérési eredmények
A Microsoft belső tesztjei szerint a MAI-Thinking-1 a matematikai feladatokban teljesít legerősebben. Az AIME 2025 versenymatematika mérőszámon Microsoft adatai azt mutatják, hogy a MAI-Thinking-1 97,0 százalékos eredményt ért el, megelőzve Claude Sonnet 4.6-ot (95,6%) és DeepSeek V3.2-t (93,1%), de elmaradva Claude Opus 4.6-tól (99,8%). Ugyanakkor a Microsoft tájékoztatása szerint a modell elmarad másoktól (például Anthropic, DeepSeek, OpenAI modellek) a doktori szintű természettudományos feladatokban és az agentikus kódolásban.
Fontos megjegyezni, hogy ezek a mérések a Microsoft belső tesztjein alapulnak; független értékelések vagy összevetések frissebb modellekkel még nem jelentek meg.
Hozzáférés és elérhetőség
A MAI-Thinking-1 jelenleg privát előnézetben érhető el a Microsoft Foundry-n keresztül; a vállalat később szélesebb hozzáférést tervez biztosítani többek között a Fireworks AI, Baseten és OpenRouter platformokon. A végső árakat és a teljes adatforrás-listát a Microsoft nem hozta nyilvánosságra.
A Build-en bemutatott MAI-család hét modellt foglal magában, köztük a MAI-Code-1-Flash nevű, kisebb kódolási modellt, amely elérhető a GitHub Copilotban és a Visual Studio Code-ban.
Kontextus és jelentőség
Microsoft korábban erősen támaszkodott az OpenAI modellekre termékeihez, például a Copilothoz, és korábbi saját modelljei gyakran riválisok modelljeiből származtak (például a Phi család OpenAI GPT-4 és GPT-5 distillációját használta, a MAI-DS-R1 pedig a DeepSeek-R1 finomhangolt változata volt). Április 2026-ban a Microsoft és az OpenAI módosította megállapodását: a Microsoft OpenAI-modelllicence immár nem volt kizárólagos, így az OpenAI szabad lett más felhőszolgáltatókkal is üzletelni.
A MAI-Thinking-1 önálló fejlesztése azt jelenti, hogy a Microsoft-ökoszisztémán belüli csapatok képesek lehetnek fejlett érvelő modellt használni anélkül, hogy új szolgáltatót kellene bevonniuk, vagy adatokat ki kellene vinniük a meglévő eszközökből. Ez vonzó lehet az Azure és a Copilot nagy felhasználói bázisa számára.
Nyitott kérdések
A Microsoft nem hozta nyilvánosságra a teljes adatforrás-listát, az egyes adatforrások százalékos megoszlását vagy a modell árazását. A cég azt is elismeri, hogy bár igyekeztek elsősorban licencelt és emberi forrású adatokat használni, a webről gyűjtött adat jelentős részét beépítették — ami a terület általános gyakorlatát tükrözi.
Összességében a MAI-Thinking-1 bemutatása azt jelzi, hogy a Microsoft önálló lépéseket tett a reasoning modellek terén, és további modelleket tervez a MAI adatcsövén alapuló fejlesztésekből.
