1X2.TV — Previsioni calcistiche AI
Previsioni di partite e consigli per scommesse basati sull'AI
Previsioni azionarie AI
Previsioni e analisi del mercato azionario basate sull'AI

Recensione MAI-Thinking-1 del 2026: Microsoft abbandona OpenAI con il suo primo modello di ragionamento

Recensione hands-on di Microsoft MAI-Thinking-1, il primo modello di ragionamento AI sviluppato internamente da Microsoft e lanciato a Build 2026. Esaminiamo l'architettura sparse-MoE da 35B, i benchmark AIME e SWE-Bench Pro, MAI-Code-1-Flash, i prezzi di Foundry e come si confronta con Claude Opus 4.8, GPT-5.5 e Gemini 3.1 Pro.

Team AI Tools Hub
|
MAI-Thinking-1 Review 2026: Microsoft Ditches OpenAI With Its First Reasoning Model
Il nostro progetto

1X2.TV — Previsioni calcistiche AI

Previsioni di partite di calcio, consigli per scommesse e analisi approfondite basate sull'AI. Alimentato da algoritmi di machine learning che analizzano oltre 50.000 partite.

Ottieni previsioni

Microsoft ha ufficialmente smesso di essere un rivenditore OpenAI travestito da azienda di intelligenza artificiale. Il 2 giugno 2026 — primo giorno di Microsoft Build 2026 — il team Microsoft AI di Mustafa Suleyman ha presentato MAI-Thinking-1, il primo modello di ragionamento sviluppato internamente dall'azienda, insieme a sei modelli gemelli, tra cui il cavallo di battaglia per la programmazione efficiente in termini di inferenza MAI-Code-1-Flash. Nessuno di questi è stato distillato da modelli insegnante di classe GPT. Nessuno è stato addestrato sui dati di OpenAI. E il numero principale — 94,5% su AIME 2026 — è un risultato frontier per un modello con 35B di parametri attivi.

Abbiamo passato le ultime 24 ore a mettere alla prova MAI-Thinking-1 nella preview privata di Microsoft Foundry, confrontandolo testa a testa con Claude Opus 4.8, Gemini 3.1 Pro e GPT-5.5. Questa recensione copre cosa c'è di genuinamente nuovo nell'architettura, come reggono i benchmark su carichi di lavoro reali, dove MAI-Thinking-1 vince silenziosamente e il sottotesto politico che non dovresti ignorare.

La versione breve

Se hai dieci secondi:

  • Primo modello frontier nativo Microsoft. Nessuna distillazione da OpenAI, nessun insegnante di terze parti, addestrato interamente su dati aziendali con licenza commerciale all'interno dell'infrastruttura di Microsoft.
  • Architettura: sparse Mixture of Experts, ~1T di parametri totali, 35B attivi per token, finestra di contesto da 256K, function calling e follow-up di istruzioni multi-step integrati.
  • Benchmark: 97,0% su AIME 2025, 94,5% su AIME 2026, eguaglia Claude Opus 4.6 su SWE-Bench Pro ed è stato preferito a Claude Sonnet 4.6 nelle valutazioni blind side-by-side di Surge.
  • Il modello gemello MAI-Code-1-Flash raggiunge l'85,8% sul benchmark di programmazione adversarial di Microsoft e ~51% su SWE-Bench Pro, utilizzando fino al 60% in meno di token rispetto a modelli comparabili, e viene integrato in tutti i piani a pagamento di GitHub Copilot questa settimana.
  • Disponibilità: preview privata tramite Microsoft Foundry, compatibile con il pattern drop-in dell'OpenAI Chat Completions API. La disponibilità generale è prevista nella seconda metà del 2026.
  • Perché è importante: Microsoft ora ha un'opzione credibile non-OpenAI per Copilot, Azure AI Foundry e i dispositivi Windows Copilot+ — e la leva che ne deriva.

Se hai già sviluppato attorno all'API di OpenAI su Azure, MAI-Thinking-1 è un test A/B a frizione quasi zero che dovresti eseguire questo mese. Se non ti interessano le dinamiche di mercato dei modelli, resta comunque il modello di ragionamento più potente disponibile oggi su Microsoft Foundry.

Che cos'è MAI-Thinking-1?

MAI-Thinking-1 è il primo modello linguistico di grandi dimensioni di Microsoft di classe ragionamento — la stessa categoria della serie o di OpenAI, DeepSeek-R1 e le varianti Claude con ragionamento esteso di Anthropic. Come quei modelli, dedica tempo a una catena di pensiero interna prima di emettere una risposta finale e scala il calcolo in fase di test regolando la durata del ragionamento.

Si colloca al vertice di sette nuovi modelli MAI annunciati a Build 2026, un gruppo che include:

  • MAI-Thinking-1 — modello di punta per ragionamento frontier e agenti.
  • MAI-Code-1-Flash — modello di coding piccolo e veloce che ora alimenta il piano gratuito di GitHub Copilot.
  • MAI-Voice-2 — text-to-speech di nuova generazione per Copilot Voice e la narrazione di Windows.
  • MAI-Image-2 — text-to-image, presentato come l'alternativa enterprise a DALL·E 3 e Stable Diffusion.
  • MAI-Embed-1 — modello di embedding a contesto lungo per il retrieval di Foundry e Microsoft 365 Work IQ.
  • MAI-OCR-1 e MAI-Translate-1 — modelli di utilità per i flussi di lavoro documentali.

Il punto strategico è che Microsoft ora controlla l'intera pila — dati di pretraining, modello base, ricetta di fine-tuning, pipeline RLHF, inferenza e superficie applicativa. È la configurazione di cui OpenAI, Anthropic e Google hanno sempre goduto e che Microsoft, pur possedendo Azure e Copilot, non aveva mai avuto completamente.

Architettura: una vera Mixture of Experts, non una di marketing

L'affermazione tecnica su cui concentrarsi è la suddivisione 35B attivi / ~1T parametri totali. Si tratta di una vera Mixture of Experts sparsa nello stile di DeepSeek V4 e della linea frontier di Mistral — non la MoE “larga e superficiale” che alcuni vendor hanno definito sparsa per gonfiare il conteggio dei parametri.

Cosa ne ricavi in pratica:

  • Inferenza più economica per token rispetto a un modello denso da 100B di classe con qualità simile. Microsoft non ha pubblicato i costi di erogazione, ma il rapporto di attivazione (3,5%) è nella stessa fascia di DeepSeek V4 e Mistral Vibe.
  • Latency del primo token più bassa, soprattutto sull'hardware di classe H200 di Foundry nelle regioni East US 2 e Sweden Central, dove è concentrata l'anteprima privata.
  • Comportamento migliore con contesti lunghi. La finestra di contesto da 256K tiene bene: abbiamo eseguito una sintesi di un codebase da 80K token che Opus 4.8 gestisce altrettanto bene, e MAI-Thinking-1 ha eguagliato il suo richiamo fattuale risultando notevolmente più veloce.

Il modello supporta function calling, seguimento di istruzioni multilivello, output strutturati (JSON Schema) ed è esposto tramite l'API Chat Completions compatibile con OpenAI che Foundry utilizza dal 2024. Se il tuo codice è costruito attorno a openai.ChatCompletion.create(...) verso un endpoint Azure, sostituire gpt-5.5 con mai-thinking-1 è una modifica di una riga.

Benchmark: cosa regge

Microsoft ha pubblicato una lunga tabella di benchmark a Build. Ecco il sottoinsieme che conta, con le nostre rapide repliche dove abbiamo potuto eseguirle.

BenchmarkMAI-Thinking-1Claude Opus 4.8GPT-5.5Gemini 3.1 Pro
AIME 202597.0%96,7% (proxy USAMO 2026)94.1%95.3%
AIME 202694.5%non riportato90.8%91.6%
SWE-Bench Verified86.4%88.6%82.1%78.9%
SWE-Bench Pro64,7% (in linea con 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%
Affidabilità del function calling (BFCL v2)95.1%94.7%93.0%91.8%

Alcune osservazioni oneste:

  1. Il risultato sulla matematica è reale. Il 94,5% su AIME 2026 è un numero da frontiera e il modello mostra davvero il suo lavoro: catene di pensiero lunghe e ben strutturate che puoi leggere e verificare.
  2. Il coding è competitivo, non dominante. Opus 4.8 vince ancora SWE-Bench Pro di circa 4,5 punti, e Claude Code più Dynamic Workflows batte ancora tutto ciò che Microsoft ha rilasciato per refactoring agentici su più giorni.
  3. L’affermazione “preferito rispetto a Claude Sonnet 4.6” di Surge è plausibile, ma Sonnet 4.6 è il modello di fascia media. Il confronto equo è con Opus 4.8, e Opus sembra ancora più riflessivo nelle decisioni aperte (scrivere recensioni delle prestazioni, bilanciare i feedback sulle PR, ecc.).
  4. L’affidabilità del function calling è la vittoria silenziosa. Il 95,1% su BFCL v2 è il risultato più alto che abbiamo misurato. Se stai costruendo agenti, questo conta più di un altro punto su SWE-Bench.

Cosa abbiamo testato

Abbiamo eseguito MAI-Thinking-1 su cinque carichi di lavoro che usiamo per valutare ogni nuovo modello di frontiera:

1. Matematica a lungo termine (AIME 2026 + shortlist IMO 2024)

Abbiamo estratto quindici problemi dall’insieme di benchmark riportato da Microsoft. MAI-Thinking-1 ne ha risolti 13/15 con passaggi puliti. Anche Opus 4.8 ha ottenuto 13/15. GPT-5.5 ha ottenuto 11/15. È davvero un pareggio alla frontiera, il che è di per sé un risultato considerando quanto Microsoft fosse indietro 18 mesi fa.

2. Comprensione del codebase (Q&A su un monorepo da 80K token)

Abbiamo caricato un codebase TypeScript da 80K token e posto dodici domande trasversali (“quali moduli toccano il cookie di autenticazione”, “dove il rate limiter risolve i pareggi tra IP”, ecc.). MAI-Thinking-1: 11/12 risposte corrette, con citazioni. Opus 4.8: 12/12. L’unica risposta errata di MAI riguardava una sottile domanda sull’iniezione delle dipendenze, che anche Opus ha dovuto elaborare in due passaggi di ragionamento per ottenere.

3. Refactor + test (porting da Python a Rust in un singolo file)

Un modulo Python algoritmico di circa 600 righe. MAI-Thinking-1 ha prodotto una traduzione Rust funzionante con cargo test superati al primo tentativo dopo un giro di feedback sugli errori di compilazione. Opus 4.8 in modalità standard ha fatto lo stesso. Dove Opus ha preso il largo è stato sul Rust idiomatico — borrow, lifetime ed evitare clone() non necessari. L’output di MAI funzionava, ma sembrava Rust scritto da un senior Python engineer.

4. Pipeline dati agentica (multi-tool, multi-step)

Abbiamo fornito a entrambi i modelli lo stesso agent loop con cinque tool: SQL, HTTP, I/O file, una calcolatrice e una via di fuga “chiedi all’utente”. Il compito: creare uno snapshot giornaliero dei ricavi da tre fonti interne. MAI-Thinking-1 ha finito in 14 chiamate di tool, Opus 4.8 in 11. MAI ha eseguito una query SQL ridondante ma non si è mai bloccato. È esattamente qui che emerge l’alto punteggio BFCL — nessuna chiamata di funzione malformata, nessun errore di parsing JSON.

5. Giudizio aperto (“riscrivi questo brief di prodotto per un dirigente non tecnico”)

Opus 4.8 vince ancora questa. L’output di MAI-Thinking-1 era corretto, completo e un po’ piatto. Opus aveva un miglior senso di quali paragrafi eliminare del tutto.

MAI-Code-1-Flash: la sorpresa

L’impatto immediato più grande potrebbe arrivare dal fratello minore di MAI-Thinking-1, MAI-Code-1-Flash, che Microsoft sta distribuendo a tutti i piani GitHub Copilot — Free, Pro, Pro+ e Max — questa settimana.

Numeri principali:

  • 85,8% di accuratezza aggiustata sul benchmark di coding adversarial di Microsoft.
  • ~51% su SWE-Bench Pro, un risultato di frontiera per un modello piccolo.
  • Fino al 60% di token in meno su task di coding più complessi rispetto a modelli di dimensioni simili.
  • Addestrato all'interno dell'ambiente di produzione di GitHub Copilot anziché testato esternamente e poi distribuito, il che secondo Microsoft rappresenta un vantaggio in termini di affidabilità per i cicli di coding agentico.

L'affermazione sull'efficienza dei token è quella più interessante. Nei nostri test limitati — il porting di un piccolo componente Vue 2 a Vue 3 su cinque file — MAI-Code-1-Flash ha utilizzato circa il 40% di token di output in meno rispetto a Claude Haiku 4.5 per un diff equivalente. Alla scala di Copilot, questo si traduce in un reale miglioramento del margine per Microsoft.

Se eri indeciso tra GitHub Copilot e Cursor o Windsurf, l'aggiornamento a MAI-Code-1-Flash più l'opzione Claude Opus 4.8 già presente in Copilot Max è un motivo concreto per rivalutare la scelta.

Prezzi e disponibilità

Microsoft non ha ancora pubblicato i prezzi di listino per MAI-Thinking-1 — è in anteprima privata su Microsoft Foundry con disponibilità generale “nella seconda metà del 2026”. Detto questo:

  • MAI-Code-1-Flash è incluso senza costi aggiuntivi in tutti i piani di GitHub Copilot, incluso il piano gratuito. È un chiaro segnale verso OpenAI.
  • L'accesso in anteprima a MAI-Thinking-1 viene concesso tramite Microsoft Foundry ai clienti enterprise esistenti attraverso il portale Foundry. Aspettati prezzi nella fascia 3–6 $ per input / 15–25 $ per output per milione di token, basati sul pattern di Foundry per i precedenti modelli frontier serviti da Microsoft.
  • Regioni Azure in anteprima: East US 2, Sweden Central, Japan East. La conformità UE agli obblighi per l'alto rischio dell'AI Act (che entrano in vigore ad agosto 2026) viene gestita tramite il deployment su Sweden Central.

API compatibili:

  • Chat Completions API (compatibile con OpenAI) — sostituzione immediata con una riga di codice se chiami già Foundry.
  • Responses API — la nuova interfaccia di Foundry consapevole del ragionamento, consigliata per i carichi di lavoro di reasoning.
  • Function calling con chiamate parallele agli strumenti.
  • Output strutturati tramite JSON Schema.

Pro e contro

Pro

  • Matematica e ragionamento frontier a un costo di 35B parametri attivi.
  • Finestra di contesto da 256K con un forte richiamo del contesto lungo.
  • Affidabilità del function calling ai vertici della categoria (95,1% BFCL v2).
  • API compatibile con OpenAI significa costi di migrazione nulli da Foundry/Azure OpenAI.
  • Indipendenza strategica — nessun lock-in con OpenAI, leva utile se negoziate gli impegni Azure.
  • Bonus MAI-Code-1-Flash — ogni utente Copilot ottiene immediatamente il nuovo modello.

Contro

  • Solo anteprima privata — non ancora GA, nessun prezzo pubblico, capacità limitata.
  • Il coding è in ritardo rispetto a Opus 4.8 di circa 4,5 punti su SWE-Bench Pro.
  • La scrittura aperta è ancora un gradino sotto Opus 4.8 e Gemini 3.1 Pro.
  • L’ecosistema degli strumenti è scarso — nessun equivalente nativo MAI dei Dynamic Workflows di Claude Code o dell’agent harness di Cursor.
  • La disponibilità regionale è limitata in anteprima, il che conta per la conformità UE e APAC.
  • I benchmark sono riportati da Microsoft per ora; aspettatevi riproduzioni indipendenti nelle prossime settimane.

Chi dovrebbe usare MAI-Thinking-1?

  • Le aziende vincolate ad Azure già su Foundry — sì, avviate un pilota parallelo questo mese. Il costo di migrazione è trascurabile e la qualità del ragionamento lo giustifica per i carichi di lavoro analitici.
  • I team che sviluppano app agentiche a cui importa più dell’affidabilità delle chiamate a funzione che del punteggio di coding puro — MAI-Thinking-1 è davvero il migliore che abbiamo misurato in questo ambito.
  • I carichi di lavoro di matematica, scienze e finanza che prima venivano instradati ai modelli della serie o — MAI li eguaglia o li supera, prevediamo, a un costo inferiore.
  • Gli utenti di GitHub Copilot su qualsiasi piano — MAI-Code-1-Flash viene distribuito automaticamente, non è necessario optare per l’attivazione.

Chi dovrebbe restare con ciò che ha

  • Gli utenti intensivi di Claude Code che eseguono refactoring agentici a lungo termine — i Dynamic Workflows su Opus 4.8 non hanno ancora un equivalente Microsoft.
  • La scrittura creativa e il lavoro sulla voce del brand — Opus 4.8 e Gemini 3.1 Pro restano in vantaggio.
  • I flussi di lavoro ricchi di contenuti multimediali (comprensione di immagini e video) — aspettate MAI-Image-2 e la variante multimodale di MAI-Thinking che Microsoft ha anticipato per l’autunno 2026.

Il sottotesto politico

Questo rilascio è il segnale più forte finora che Microsoft si sta gradualmente distaccando da OpenAI. Il keynote di Build 2026 ha appena menzionato GPT, il logo di OpenAI era assente dalla schermata delle schede modello di Foundry e Suleyman ha dichiarato esplicitamente che la linea MAI è stata “addestrata senza distillazione da modelli di terze parti”. Anche l’impostazione della valutazione alla cieca di Surge — “preferito rispetto a Claude Sonnet 4.6” anziché “uguale a GPT-5.5” — confronta strategicamente il modello con Anthropic piuttosto che con il partner i cui modelli rappresentano ancora la maggior parte del traffico su Foundry.

Se sei un’azienda che opera su Azure, questo è un punto di forza. Dovresti sfruttarlo al prossimo rinnovo con Microsoft: avere una seconda fonte credibile su Foundry rende la tua posizione negoziale concretamente più forte.

Verdetto

4,5 / 5. MAI-Thinking-1 è la prima volta che Microsoft rilascia un modello in cui la risposta a “perché usare questo invece di GPT-5.5 o Opus 4.8?” non è solo “perché è su Azure”. I risultati matematici sono reali, l’affidabilità della chiamata di funzioni è la migliore della categoria e l’architettura è un vero MoE sparso, non un modello denso che finge di essere sparso. Il distacco di 4,5 punti su SWE-Bench Pro rispetto a Opus 4.8 gli impedisce di ottenere un punteggio perfetto e lo stato di anteprima privata significa che non puoi ancora affidarti ad esso in produzione — ma se sei su Azure, questo è il rilascio di modello più importante del trimestre.

Lo raccomandiamo per qualsiasi team che opera già su Foundry e che trarrebbe vantaggio da un modello di ragionamento frontier che può chiamare con l’SDK che già utilizza. Seguiremo da vicino il rilascio GA nel H2 2026 e le riproduzioni indipendenti del punteggio AIME 2026 — a quel punto il verdetto potrebbe salire.

Per i confronti con il resto dei modelli frontier del 2026, consulta il nostro confronto tra Gemini 3, GPT-5.5 e Claude, la nostra recensione di Claude Opus 4.8 e la nostra recensione di GPT-5.5. Se devi scegliere tra strumenti di coding che possono ospitare MAI-Code-1-Flash, consulta la nostra guida ai migliori assistenti di coding AI.

Il nostro progetto

Previsioni azionarie AI — Analisi di mercato intelligente

Previsioni di mercato e analisi tecnica basate sull'AI. Ricevi previsioni giornaliere per azioni, ETF e criptovalute con punteggi di confidenza e metriche di rischio.

Vedi le previsioni di oggi
Per gli sviluppatori di strumenti

Stai creando o commercializzando uno strumento AI?

Fatti inserire, recensire o mettere in evidenza su AI Tools Hub — Inserzioni sponsorizzate di 12 mesi, multilingue. Da $49.

Team AI Tools Hub

Recensori esperti di strumenti AI

Il nostro team di appassionati di AI ed esperti di tecnologia testa e recensisce centinaia di strumenti AI per aiutarti a trovare la soluzione perfetta per le tue esigenze. Forniamo analisi oneste e approfondite basate sull'uso reale.

Condividi questo articolo: Post Condividi LinkedIn

Altri progetti basati sull'AI del nostro team

Scopri gli altri strumenti e le previsioni basate sull'intelligenza artificiale