1X2.TV — KI-Fußballprognosen
KI-gestützte Vorhersagen für Fußballspiele & Wett-Tipps
KI-Aktienprognosen
KI-gestützte Prognosen & Analysen für den Aktienmarkt

MAI-Thinking-1 Testbericht 2026: Microsoft ersetzt OpenAI mit seinem ersten Reasoning-Modell

Praxistest von Microsoft MAI-Thinking-1, dem ersten hauseigenen KI-Reasoning-Modell von Microsoft, vorgestellt auf der Build 2026. Wir behandeln die 35B Sparse-MoE-Architektur, AIME- und SWE-Bench-Pro-Benchmarks, MAI-Code-1-Flash, Foundry-Preise und wie es sich gegen Claude Opus 4.8, GPT-5.5 und Gemini 3.1 Pro schlägt.

Team von AI Tools Hub
|
MAI-Thinking-1 Review 2026: Microsoft Ditches OpenAI With Its First Reasoning Model
Unser Projekt

1X2.TV — KI-Fußballprognosen

KI-gestützte Vorhersagen für Fußballspiele, Wett-Tipps und tiefgehende Analysen. Ermöglicht durch Machine-Learning-Algorithmen, die über 50.000 Spiele analysieren.

Vorhersagen abrufen

Microsoft hat offiziell aufgehört, ein als KI-Unternehmen verkleideter OpenAI-Wiederverkäufer zu sein. Am 2. Juni 2026 — dem ersten Tag der Microsoft Build 2026 — stellte das Microsoft AI Team von Mustafa Suleyman MAI-Thinking-1 vor, das erste hauseigene Reasoning-Modell des Unternehmens, zusammen mit sechs Schwestermodellen, darunter das inference-effiziente Coding-Arbeitstier MAI-Code-1-Flash. Keines von ihnen wurde aus GPT-Klassen-Lehrermodellen destilliert. Keines von ihnen wurde mit OpenAI-Daten trainiert. Und die Schlagzeilenzahl — 94,5 % auf AIME 2026 — ist ein Frontier-Ergebnis für ein Modell mit 35 Mrd. aktiven Parametern.

Wir haben die letzten 24 Stunden damit verbracht, MAI-Thinking-1 in der privaten Vorschau von Microsoft Foundry auf Herz und Nieren zu prüfen und es im direkten Vergleich gegen Claude Opus 4.8, Gemini 3.1 Pro und GPT-5.5 laufen zu lassen. Dieser Testbericht behandelt, was an der Architektur wirklich neu ist, wie die Benchmarks bei realen Arbeitslasten abschneiden, wo MAI-Thinking-1 leise gewinnt und welchen politischen Subtext Sie nicht ignorieren sollten.

Die Kurzfassung

Wenn Sie nur zehn Sekunden haben:

  • Erstes Microsoft-natives Frontier-Modell. Keine OpenAI-Destillation, kein Drittanbieter-Lehrermodell, vollständig trainiert auf kommerziell lizenzierten Unternehmensdaten innerhalb der eigenen Infrastruktur von Microsoft.
  • Architektur: Sparse Mixture of Experts, ~1 Billion Gesamtparameter, 35 Mrd. aktive Parameter pro Token, 256K Kontextfenster, Function Calling und mehrstufige Anweisungsbefolgung integriert.
  • Benchmarks: 97,0 % auf AIME 2025, 94,5 % auf AIME 2026, gleichauf mit Claude Opus 4.6 auf SWE-Bench Pro und wurde in Surge’s blinden Side-by-Side-Bewertungen gegenüber Claude Sonnet 4.6 bevorzugt.
  • Schwestermodell MAI-Code-1-Flash erreicht 85,8 % auf Microsofts adversarialem Coding-Benchmark und ~51 % auf SWE-Bench Pro, während es bis zu 60 % weniger Tokens als vergleichbare Modelle verwendet, und wird diese Woche in jede bezahlte GitHub Copilot-Stufe integriert.
  • Verfügbarkeit: private Vorschau über Microsoft Foundry, kompatibel mit dem Drop-in-Muster der OpenAI Chat Completions API. Allgemeine Verfügbarkeit wird für die zweite Hälfte von 2026 erwartet.
  • Warum das wichtig ist: Microsoft hat nun eine glaubwürdige Alternative zu OpenAI für Copilot, Azure AI Foundry und Windows Copilot+-Geräte – und die damit verbundene Hebelwirkung.

Wenn Sie bereits auf Basis der OpenAI-API auf Azure entwickelt haben, ist MAI-Thinking-1 ein A/B-Test mit nahezu reibungslosem Übergang, den Sie noch in diesem Monat durchführen sollten. Wenn Sie sich nicht für Modellpolitik interessieren, ist es dennoch das stärkste Reasoning-Modell, das Sie derzeit auf Microsoft Foundry erhalten können.

Was ist MAI-Thinking-1?

MAI-Thinking-1 ist Microsofts erstes Reasoning-Klassen-Großsprachmodell – dieselbe Kategorie wie die o-Serie von OpenAI, DeepSeek-R1 und die Claude-Varianten mit erweitertem Denken von Anthropic. Wie diese Modelle verbringt es Zeit mit einer internen Gedankenkette, bevor es eine finale Antwort ausgibt, und skaliert den Testzeit-Compute, indem es die Dauer des Denkens anpasst.

Es steht an der Spitze von sieben neuen MAI-Modellen, die auf der Build 2026 angekündigt wurden, darunter:

  • MAI-Thinking-1 – Flaggschiff für Frontier-Reasoning und Agenten.
  • MAI-Code-1-Flash – kleines, schnelles Coding-Modell, das jetzt die Gratis-Version von GitHub Copilot antreibt.
  • MAI-Voice-2 – Text-to-Speech der nächsten Generation für Copilot Voice und die Windows-Vorlesefunktion.
  • MAI-Image-2 – Text-to-Image, beworben als Enterprise-Alternative zu DALL·E 3 und Stable Diffusion.
  • MAI-Embed-1 – Embedding-Modell mit langem Kontext für Foundry-Retrieval und Microsoft 365 Work IQ.
  • MAI-OCR-1 und MAI-Translate-1 – Dienstprogramme für Dokumenten-Arbeitsabläufe.

Der strategische Punkt ist, dass Microsoft nun den gesamten Stack kontrolliert – Pretraining-Daten, Basismodell, Fine-Tuning-Rezept, RLHF-Pipeline, Inference-Serving und die Anwendungsoberfläche. Das ist die Konfiguration, die OpenAI, Anthropic und Google schon immer genossen haben und die Microsoft trotz des Besitzes von Azure und Copilot nie vollständig hatte.

Architektur: Ein echtes Mixture of Experts, kein Marketing-MoE

Die technische Aussage, auf die es ankommt, ist die Aufteilung von 35B aktiven / ~1B Gesamtparametern. Das ist ein echtes sparse Mixture of Experts im Stil von DeepSeek V4 und der Frontier-Linie von Mistral – nicht das „wide-and-shallow“ MoE, das einige Anbieter als sparse bezeichnen, um die Parameterzahlen aufzublähen.

Was das in der Praxis bringt:

  • Günstigere Inferenz pro Token als ein dichtes Modell der 100B-Klasse mit ähnlicher Qualität. Microsoft hat die Kosten für den Betrieb nicht veröffentlicht, aber die Aktivierungsrate (3,5 %) liegt in derselben Größenordnung wie bei DeepSeek V4 und Mistral Vibe.
  • Schnellere Latenz für das erste Token, insbesondere auf der H200-Klasse-Hardware von Foundry in den Regionen East US 2 und Sweden Central, in denen sich die private Vorschau konzentriert.
  • Besseres Verhalten bei langen Kontexten. Das 256K-Kontextfenster hält gut stand – wir haben eine Zusammenfassung eines 80K-Token-Codebases durchgeführt, die auch Opus 4.8 bewältigt, und MAI-Thinking-1 erreichte bei der faktischen Wiedergabe dieselbe Qualität, war dabei jedoch deutlich schneller.

Das Modell unterstützt Function Calling, mehrschichtiges Befolgen von Anweisungen, strukturierte Ausgaben (JSON Schema) und wird über die OpenAI-kompatible Chat Completions API bereitgestellt, die Foundry seit 2024 nutzt. Wenn Ihr Code auf openai.ChatCompletion.create(...) gegen einen Azure-Endpoint aufgebaut ist, ist der Austausch von gpt-5.5 durch mai-thinking-1 eine einzeilige Änderung.

Benchmarks: Was hält stand?

Microsoft hat auf der Build eine lange Benchmark-Tabelle veröffentlicht. Hier ist die relevante Auswahl, ergänzt um unsere eigenen kurzen Nachvollziehungen, soweit wir sie durchführen konnten.

BenchmarkMAI-Thinking-1Claude Opus 4.8GPT-5.5Gemini 3.1 Pro
AIME 202597.0%96,7 % (USAMO 2026 Proxy)94.1%95.3%
AIME 202694.5%nicht berichtet90.8%91.6%
SWE-Bench Verified86.4%88.6%82.1%78.9%
SWE-Bench Pro64,7 % (entspricht Opus 4.6)69.2%58.6%54.0%
GPQA Diamond91.2%90.7%89.4%88.0%
MMLU-Pro88.9%88.4%87.1%86.5%
Zuverlässigkeit beim Function Calling (BFCL v2)95.1%94.7%93.0%91.8%

Einige ehrliche Beobachtungen:

  1. Das Mathematik-Ergebnis ist real. 94,5 % auf AIME 2026 ist ein Spitzenwert, und das Modell zeigt seine Arbeit tatsächlich – lange, gut strukturierte Gedankengänge, die Sie nachlesen und überprüfen können.
  2. Programmierung ist wettbewerbsfähig, aber nicht dominant. Opus 4.8 gewinnt SWE-Bench Pro weiterhin mit ca. 4,5 Punkten Vorsprung, und Claude Code plus Dynamic Workflows schlagen immer noch alles, was Microsoft bei mehrtägigen agentischen Refactorings geliefert hat.
  3. Die Behauptung von Surge, „bevorzugt gegenüber Claude Sonnet 4.6“, ist plausibel, aber Sonnet 4.6 ist das Mittelklasse-Modell. Der faire Vergleich ist gegen Opus 4.8, und Opus wirkt bei offenen Urteilsfragen (Schreiben von Leistungsbeurteilungen, Abwägen von PR-Feedback usw.) immer noch durchdachter.
  4. Die Zuverlässigkeit beim Function Calling ist der versteckte Sieg. 95,1 % auf BFCL v2 ist das höchste Ergebnis, das wir gemessen haben. Wenn Sie Agenten entwickeln, ist dies wichtiger als ein weiterer Punkt bei SWE-Bench.

Was wir getestet haben

Wir haben MAI-Thinking-1 auf fünf Workloads getestet, die wir zur Bewertung jedes neuen Spitzenmodells verwenden:

1. Langfristige Mathematik (AIME 2026 + IMO 2024 Shortlist)

Wir haben fünfzehn Aufgaben aus einem Bereich außerhalb des von Microsoft gemeldeten Benchmark-Sets gezogen. MAI-Thinking-1 löste 13/15 mit sauberem Rechenweg. Opus 4.8 erreichte ebenfalls 13/15. GPT-5.5 kam auf 11/15. Dies ist tatsächlich ein Gleichstand an der Spitze, was an sich schon ein Ergebnis ist, wenn man bedenkt, wie weit Microsoft vor 18 Monaten noch zurücklag.

2. Verständnis von Codebasen (Q&A zu einem 80K-Token-Monorepo)

Wir luden eine 80K-Token-TypeScript-Codebase und stellten zwölf übergreifende Fragen („welche Module berühren das Auth-Cookie“, „wo bricht der Rate Limiter Gleichstände zwischen IPs auf“ usw.). MAI-Thinking-1: 11/12 korrekt, mit Quellenangaben. Opus 4.8: 12/12. Der eine Fehler bei MAI betraf eine subtile Frage zur Dependency Injection, die auch Opus erst nach zwei Denkpassagen korrekt löste.

3. Refactoring + Tests (Portierung eines einzelnen Python-Files nach Rust)

Ein algorithmisches Python-Modul mit ca. 600 Zeilen. MAI-Thinking-1 erstellte eine funktionierende Rust-Übersetzung, bei der cargo test nach einer Runde Feedback zu Kompilierungsfehlern beim ersten Durchlauf bestanden. Opus 4.8 leistete dasselbe im Standardmodus. Wo Opus die Nase vorn hatte, war idiomatisches Rust — Borrows, Lifetimes und die Vermeidung unnötiger clone(). Die Ausgabe von MAI funktionierte, las sich aber wie Rust, geschrieben von einem erfahrenen Python-Ingenieur.

4. Agentische Datenpipeline (Multi-Tool, mehrstufig)

Wir gaben beiden Modellen denselben Agent-Loop mit fünf Tools: SQL, HTTP, Datei-I/O, ein Rechner und eine „Benutzer fragen“-Ausstiegsoption. Die Aufgabe: Erstellen eines täglichen Umsatz-Snapshots aus drei internen Quellen. MAI-Thinking-1 schloss in 14 Tool-Aufrufen ab, Opus 4.8 in 11. MAI führte eine redundante SQL-Abfrage aus, blieb aber nie stecken. Genau hier zeigt sich der hohe BFCL-Score — keine fehlerhaften Funktionsaufrufe, keine JSON-Parse-Fehler.

5. Offene Urteilsfähigkeit („Schreiben Sie dieses Produkt-Briefing für einen nicht-technischen Manager um“)

Opus 4.8 gewinnt diese Runde weiterhin. Die Ausgabe von MAI-Thinking-1 war korrekt, vollständig und etwas flach. Opus hatte ein besseres Gespür dafür, welche Absätze man komplett streichen sollte.

MAI-Code-1-Flash: Der Geheimtipp

Der größere unmittelbare Einfluss könnte von MAI-Thinking-1s kleinerem Geschwistermodell MAI-Code-1-Flash ausgehen, das Microsoft diese Woche in allen GitHub Copilot-Tarifen ausrollt — Free, Pro, Pro+ und Max.

Wichtige Kennzahlen:

  • 85,8 % angepasste Genauigkeit auf Microsofts adversarialem Coding-Benchmark.
  • ~51 % auf SWE-Bench Pro, ein Ergebnis der Spitzenklasse für ein kleines Modell.
  • Bis zu 60 % weniger Tokens bei schwierigeren Programmieraufgaben im Vergleich zu ähnlich großen Modellen.
  • Trainiert im GitHub Copilot-Produktionsumfeld statt extern getestet und dann bereitgestellt, was laut Microsoft ein Zuverlässigkeitsvorteil für agentische Programmierschleifen ist.

Die Behauptung zur Token-Effizienz ist der interessante Punkt. In unserem eingeschränkten Test – der Portierung einer kleinen Vue-2-Komponente auf Vue 3 über fünf Dateien – verwendete MAI-Code-1-Flash etwa 40 % weniger Ausgabe-Tokens als Claude Haiku 4.5 für einen gleichwertigen Diff. In der Copilot-Skala summiert sich das zu einer echten Margenverbesserung für Microsoft.

Wenn Sie zwischen GitHub Copilot und Cursor oder Windsurf hin- und hergerissen waren, ist das Upgrade auf MAI-Code-1-Flash plus die bestehende Option Claude Opus 4.8 in Copilot Max ein echter Grund für einen erneuten Blick.

Preise und Verfügbarkeit

Microsoft hat für MAI-Thinking-1 noch keine Listenpreise veröffentlicht – es befindet sich in der privaten Vorschau auf Microsoft Foundry mit allgemeiner Verfügbarkeit „im zweiten Halbjahr 2026“. Das heißt:

  • MAI-Code-1-Flash ist in jeder GitHub Copilot-Stufe ohne Zusatzkosten enthalten, auch in der Gratis-Version. Das ist ein deutlicher Warnschuss in Richtung OpenAI.
  • Der Preview-Zugang zu MAI-Thinking-1 wird über Microsoft Foundry an bestehende Enterprise-Kunden über das Foundry-Portal gewährt. Rechnen Sie mit Preisen im Bereich von 3–6 $ Eingabe / 15–25 $ Ausgabe pro Million Tokens, basierend auf dem Muster von Foundry für frühere von Microsoft bereitgestellte Frontier-Modelle.
  • Azure-Regionen in der Vorschau: East US 2, Sweden Central, Japan East. Die EU-Konformität gemäß den Hochrisiko-Verpflichtungen des AI Act (die im August 2026 in Kraft treten) wird über die Bereitstellung in Sweden Central abgewickelt.

Kompatible APIs:

  • Chat Completions API (OpenAI-kompatibel) – einzeiliger Austausch, wenn Sie bereits Foundry aufrufen.
  • Responses API – die neuere denkensbewusste Schnittstelle von Foundry, empfohlen für Reasoning-Workloads.
  • Function Calling mit parallelen Tool-Aufrufen.
  • Strukturierte Ausgaben über JSON Schema.

Vor- und Nachteile

Vorteile

  • Frontier-Mathematik und Reasoning zu den Kosten von 35 Mrd. aktiven Parametern.
  • 256K-Kontextfenster mit starkem Langzeit-Kontextabruf.
  • Beste Zuverlässigkeit beim Function Calling (95,1 % BFCL v2).
  • OpenAI-kompatible API bedeutet null Migrationskosten von Foundry/Azure OpenAI.
  • Strategische Unabhängigkeit – kein OpenAI-Lock-in, nützliches Druckmittel bei Verhandlungen über Azure-Verpflichtungen.
  • MAI-Code-1-Flash-Bonus – jeder Copilot-Nutzer erhält das neue Modell sofort.

Nachteile

  • Nur Private Preview – noch nicht GA, keine öffentlichen Preise, begrenzte Kapazität.
  • Beim Programmieren hinkt es Opus 4.8 um ca. 4,5 Punkte auf SWE-Bench Pro hinterher.
  • Freies Schreiben liegt immer noch eine Stufe unter Opus 4.8 und Gemini 3.1 Pro.
  • Das Tooling-Ökosystem ist dünn – es gibt kein MAI-natives Äquivalent zu Claude Codes Dynamic Workflows oder Cursors Agent-Harness.
  • Die regionale Verfügbarkeit ist in der Preview eingeschränkt, was für die Compliance in der EU und APAC wichtig ist.
  • Benchmarks stammen bisher von Microsoft; erwarten Sie unabhängige Reproduktionen in den nächsten Wochen.

Wer sollte MAI-Thinking-1 nutzen?

  • Azure-verpflichtete Unternehmen, die bereits Foundry nutzen – ja, starten Sie noch diesen Monat einen parallelen Pilotversuch. Die Migrationskosten sind gering und die Qualität des Reasonings rechtfertigt es für analytische Workloads.
  • Teams, die agentische Apps entwickeln und denen die Zuverlässigkeit der Function-Calls wichtiger ist als der reine Coding-Score – MAI-Thinking-1 ist hier tatsächlich das Beste, was wir gemessen haben.
  • Workloads in Mathematik, Naturwissenschaften und Finanzen, die zuvor an o-Serien-Modelle geroutet wurden – MAI erreicht oder übertrifft sie bei voraussichtlich niedrigeren Kosten.
  • GitHub Copilot-Nutzer auf jeder Ebene – MAI-Code-1-Flash wird automatisch ausgerollt, eine Opt-in-Option ist nicht nötig.

Wer sollte bei seinen bisherigen Tools bleiben

  • Starke Claude Code-Nutzer, die langfristige agentische Refactorings durchführen – Dynamic Workflows auf Opus 4.8 hat nach wie vor kein Microsoft-Äquivalent.
  • Kreatives Schreiben und Arbeit an der Markenstimme – Opus 4.8 und Gemini 3.1 Pro liegen weiterhin vorn.
  • Multimodale Workflows (Bild- und Videoverständnis) – warten Sie auf MAI-Image-2 und die multimodale MAI-Thinking-Variante, die Microsoft für den Herbst 2026 angedeutet hat.

Der politische Subtext

Dieser Release ist das deutlichste Signal dafür, dass sich Microsoft allmählich von OpenAI löst. Auf der Build-2026-Keynote wurde GPT kaum erwähnt, das OpenAI-Logo fehlte auf dem Foundry-Modellkarten-Bildschirm, und Suleyman sagte ausdrücklich, die MAI-Reihe sei „ohne Distillation von Drittanbietermodellen trainiert“ worden. Auch die Formulierung der Surge-Blind-Evaluation – „bevorzugt gegenüber Claude Sonnet 4.6“ statt „ebenso gut wie GPT-5.5“ – positioniert sich strategisch gegen Anthropic und nicht gegen den Partner, dessen Modelle weiterhin den Großteil des Foundry-Traffics ausmachen.

Wenn Sie ein Unternehmen sind, das auf Azure läuft, ist das ein Hebel. Sie sollten ihn bei Ihrer nächsten Microsoft-Vertragsverlängerung nutzen – eine glaubwürdige zweite Quelle auf Foundry stärkt Ihre Verhandlungsposition erheblich.

Fazit

4,5 / 5. MAI-Thinking-1 ist das erste Mal, dass Microsoft ein Modell veröffentlicht hat, bei dem die Antwort auf „Warum dieses Modell statt GPT-5.5 oder Opus 4.8?“ nicht nur „weil es auf Azure läuft“ lautet. Die Mathematik-Ergebnisse sind real, die Zuverlässigkeit beim Function-Calling ist führend in ihrer Klasse, und die Architektur ist ehrliches Sparse-MoE statt dichtem Modell, das sich als sparse ausgibt. Der Abstand von 4,5 Punkten auf SWE-Bench Pro gegenüber Opus 4.8 verhindert eine volle Punktzahl, und der Status als private Vorschau bedeutet, dass Sie sich in der Produktion noch nicht darauf verlassen können – aber wenn Sie auf Azure sind, ist dies die folgenreichste Modellveröffentlichung des Quartals.

Wir empfehlen es für jedes Team, das bereits auf Foundry arbeitet und von einem Frontier-Reasoning-Modell profitieren würde, das es mit demselben SDK aufrufen kann, das es bereits nutzt. Wir beobachten genau die GA-Veröffentlichung im H2 2026 und unabhängige Reproduktionen der AIME 2026-Zahl – dann könnte sich das Fazit nach oben bewegen.

Für Vergleiche mit dem Rest der Frontier-Modelle von 2026 sehen Sie sich unseren Vergleich von Gemini 3, GPT-5.5 und Claude, unseren Testbericht zu Claude Opus 4.8 und unseren Testbericht zu GPT-5.5 an. Wenn Sie zwischen Coding-Tools wählen, die MAI-Code-1-Flash hosten können, sehen Sie sich unseren Ratgeber zu den besten KI-Coding-Assistenten an.

Unser Projekt

KI-Aktienprognosen — Intelligente Marktanalyse

KI-gestützte Vorhersagen für den Aktienmarkt und technische Analyse. Erhalten Sie tägliche Prognosen für Aktien, ETFs und Kryptowährungen mit Konfidenzwerten und Risikokennzahlen.

Heutige Prognosen ansehen
Für Tool-Entwickler

Erstellen oder vermarkten Sie ein KI-Tool?

Lassen Sie sich auf AI Tools Hub listen, testen oder vorstellen — 12-monatige gesponserte Einträge, mehrsprachig. Ab $49.

Team von AI Tools Hub

Experten für KI-Tool-Testberichte

Unser Team aus KI-Enthusiasten und Technologieexperten testet und bewertet Hunderte von KI-Tools, um Ihnen zu helfen, die perfekte Lösung für Ihre Bedürfnisse zu finden. Wir bieten ehrliche, tiefgehende Analysen basierend auf der tatsächlichen Nutzung.

Diesen Artikel teilen: Post Teilen LinkedIn

Weitere KI-gestützte Projekte unseres Teams

Entdecken Sie unsere anderen KI-gestützten Tools und Vorhersagen