Đánh giá MAI-Thinking-1 năm 2026: Microsoft tách khỏi OpenAI với mô hình suy luận đầu tiên của mình
Đánh giá thực tế Microsoft MAI-Thinking-1, mô hình suy luận AI nội bộ đầu tiên của Microsoft ra mắt tại Build 2026. Chúng tôi đề cập đến kiến trúc sparse-MoE 35B, các benchmark AIME và SWE-Bench Pro, MAI-Code-1-Flash, giá cả của Foundry và cách nó so sánh với Claude Opus 4.8, GPT-5.5 và Gemini 3.1 Pro.
1X2.TV — Dự đoán bóng đá bằng AI
Dự đoán trận đấu bóng đá, mẹo cá cược và phân tích chuyên sâu bằng AI. Được hỗ trợ bởi các thuật toán học máy phân tích hơn 50.000 trận đấu.
Nhận dự đoánMicrosoft đã chính thức không còn là một nhà bán lại của OpenAI được khoác lên lớp vỏ công ty AI. Vào ngày 2 tháng 6 năm 2026 — ngày đầu tiên của Microsoft Build 2026 — đội ngũ Microsoft AI của Mustafa Suleyman đã ra mắt MAI-Thinking-1, mô hình suy luận nội bộ đầu tiên của công ty, cùng với sáu mô hình anh em bao gồm MAI-Code-1-Flash, một công cụ mã hóa hiệu quả về suy luận. Không có mô hình nào trong số chúng được chưng cất từ các mô hình giáo viên thuộc dòng GPT. Không có mô hình nào được huấn luyện trên dữ liệu của OpenAI. Và con số nổi bật — 94,5% trên AIME 2026 — là một kết quả thuộc hàng tiên phong cho một mô hình có 35B tham số hoạt động.
Chúng tôi đã dành 24 giờ qua để kiểm tra MAI-Thinking-1 trên bản xem trước riêng tư của Microsoft Foundry, chạy đối đầu trực tiếp với Claude Opus 4.8, Gemini 3.1 Pro và GPT-5.5. Bài đánh giá này bao gồm những điểm thực sự mới về kiến trúc, cách các bài kiểm tra chuẩn (benchmark) thể hiện trên khối lượng công việc thực tế, nơi MAI-Thinking-1 âm thầm giành chiến thắng, và những ẩn ý chính trị mà bạn không nên bỏ qua.
Tóm tắt nhanh
Nếu bạn chỉ có mười giây:
- Mô hình tiên phong đầu tiên thuộc về Microsoft. Không chưng cất từ OpenAI, không có mô hình giáo viên bên thứ ba, được huấn luyện hoàn toàn trên dữ liệu doanh nghiệp có giấy phép thương mại trong cơ sở hạ tầng riêng của Microsoft.
- Kiến trúc: Mixture of Experts dạng thưa, ~1T tổng tham số, 35B hoạt động mỗi token, cửa sổ ngữ cảnh 256K, tích hợp sẵn gọi hàm và tuân thủ chỉ dẫn nhiều bước.
- Kiểm tra chuẩn: 97,0% trên AIME 2025, 94,5% trên AIME 2026, ngang bằng với Claude Opus 4.6 trên SWE-Bench Pro, và được ưa chuộng hơn Claude Sonnet 4.6 trong các đánh giá so sánh mù của Surge.
- Mô hình anh em MAI-Code-1-Flash đạt 85,8% trên bài kiểm tra mã hóa đối kháng của Microsoft và ~51% trên SWE-Bench Pro trong khi sử dụng ít hơn tới 60% token so với các mô hình tương đương, và sẽ được đưa vào tất cả các gói GitHub Copilot trả phí trong tuần này.
- Tính khả dụng: bản xem trước riêng tư thông qua Microsoft Foundry, tương thích với mẫu tích hợp API OpenAI Chat Completions. Dự kiến sẽ có bản phát hành chính thức vào nửa cuối năm 2026.
- Tại sao điều này quan trọng: Microsoft giờ đã có một lựa chọn đáng tin cậy ngoài OpenAI cho Copilot, Azure AI Foundry và các thiết bị Windows Copilot+ — cùng với lợi thế đi kèm.
Nếu bạn đã xây dựng hệ thống dựa trên API của OpenAI trên Azure, MAI-Thinking-1 là một phép thử A/B gần như không tốn công sức mà bạn nên thực hiện trong tháng này. Nếu bạn không quan tâm đến các vấn đề chính trị giữa các mô hình, đây vẫn là mô hình suy luận mạnh nhất mà bạn có thể sử dụng trên Microsoft Foundry hiện nay.
MAI-Thinking-1 là gì?
MAI-Thinking-1 là mô hình ngôn ngữ lớn phân lớp suy luận đầu tiên của Microsoft — cùng phân lớp với dòng o-series của OpenAI, DeepSeek-R1 và các biến thể Claude suy luận mở rộng của Anthropic. Giống như các mô hình đó, nó dành thời gian cho một chuỗi suy luận nội bộ trước khi đưa ra câu trả lời cuối cùng, và nó mở rộng năng lực tính toán khi suy luận bằng cách điều chỉnh thời gian suy nghĩ.
Nó đứng đầu trong bảy mô hình MAI mới được công bố tại Build 2026, bao gồm:
- MAI-Thinking-1 — mô hình chủ lực về suy luận tiên phong và tác tử.
- MAI-Code-1-Flash — mô hình lập trình nhỏ, nhanh, hiện đang cung cấp sức mạnh cho gói miễn phí của GitHub Copilot.
- MAI-Voice-2 — công nghệ chuyển văn bản thành giọng nói thế hệ mới cho Copilot Voice và tính năng đọc màn hình của Windows.
- MAI-Image-2 — mô hình tạo ảnh từ văn bản, được quảng bá là lựa chọn doanh nghiệp thay thế cho DALL·E 3 và Stable Diffusion.
- MAI-Embed-1 — mô hình nhúng ngữ cảnh dài cho tính năng truy xuất của Foundry và Microsoft 365 Work IQ.
- MAI-OCR-1 và MAI-Translate-1 — các mô hình tiện ích cho quy trình làm việc với tài liệu.
Điểm chiến lược là Microsoft giờ đây kiểm soát toàn bộ hệ thống — dữ liệu tiền huấn luyện, mô hình nền, công thức tinh chỉnh, quy trình RLHF, phục vụ suy luận và giao diện ứng dụng. Đó là cấu hình mà OpenAI, Anthropic và Google luôn có, còn Microsoft, dù sở hữu Azure và Copilot, chưa bao giờ thực sự nắm trọn.
Kiến trúc: Một Mixture of Experts thực sự, không phải chiêu trò tiếp thị
Điểm kỹ thuật đáng chú ý là sự phân chia 35B tham số hoạt động / ~1T tổng tham số. Đây là một Mixture of Experts thưa thực sự theo phong cách của DeepSeek V4 và dòng mô hình tiên phong của Mistral — không phải loại MoE “rộng và nông” mà một số nhà cung cấp vẫn gọi là thưa để thổi phồng số lượng tham số.
Điều đó mang lại cho bạn những gì trên thực tế:
- Chi phí suy luận trên mỗi token thấp hơn so với một mô hình đặc (dense) cỡ 100B có chất lượng tương đương. Microsoft chưa công bố chi phí phục vụ, nhưng tỷ lệ kích hoạt (3,5%) nằm trong cùng phạm vi với DeepSeek V4 và Mistral Vibe.
- Độ trễ token đầu tiên nhanh hơn, đặc biệt trên phần cứng H200-class của Foundry tại các khu vực East US 2 và Sweden Central, nơi bản xem trước riêng tư được tập trung triển khai.
- Hành vi với ngữ cảnh dài tốt hơn. Cửa sổ ngữ cảnh 256K hoạt động rất ổn định — chúng tôi đã chạy một tác vụ tóm tắt mã nguồn 80K token mà Opus 4.8 cũng xử lý được, và MAI-Thinking-1 đã bắt kịp về độ chính xác của thông tin thực tế trong khi nhanh hơn rõ rệt.
Mô hình hỗ trợ gọi hàm (function calling), tuân thủ chỉ dẫn nhiều lớp, đầu ra có cấu trúc (JSON Schema), và được cung cấp qua Chat Completions API tương thích với OpenAI mà Foundry đã sử dụng từ năm 2024. Nếu mã của bạn được xây dựng xung quanh openai.ChatCompletion.create(...) trên một endpoint Azure, việc thay thế gpt-5.5 bằng mai-thinking-1 chỉ là một thay đổi một dòng.
Benchmarks: Những gì đáng tin cậy
Microsoft đã công bố một bảng benchmark dài tại Build. Dưới đây là tập hợp con quan trọng, kèm theo các phép thử lại nhanh của chúng tôi ở những nơi có thể thực hiện được.
| Bảng xếp hạng | MAI-Thinking-1 | Claude Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|
| AIME 2025 | 97.0% | 96,7% (proxy USAMO 2026) | 94.1% | 95.3% |
| AIME 2026 | 94.5% | chưa công bố | 90.8% | 91.6% |
| SWE-Bench Verified | 86.4% | 88.6% | 82.1% | 78.9% |
| SWE-Bench Pro | 64,7% (ngang với Opus 4.6) | 69.2% | 58.6% | 54.0% |
| GPQA Diamond | 91.2% | 90.7% | 89.4% | 88.0% |
| MMLU-Pro | 88.9% | 88.4% | 87.1% | 86.5% |
| Độ tin cậy khi gọi hàm (BFCL v2) | 95.1% | 94.7% | 93.0% | 91.8% |
Một vài nhận xét thẳng thắn:
- Kết quả toán học là thật. 94,5% trên AIME 2026 là con số ở đẳng cấp tiên phong, và mô hình thực sự thể hiện rõ quá trình suy luận — các chuỗi suy nghĩ dài, có cấu trúc tốt mà bạn có thể đọc và kiểm tra.
- Lập trình cạnh tranh, nhưng không vượt trội. Opus 4.8 vẫn thắng SWE-Bench Pro với khoảng cách ~4,5 điểm, và Claude Code cùng Dynamic Workflows vẫn đánh bại mọi thứ Microsoft đã tung ra trong các đợt tái cấu trúc tác nhân kéo dài nhiều ngày.
- Tuyên bố “được ưa chuộng hơn Claude Sonnet 4.6” từ Surge là hợp lý, nhưng Sonnet 4.6 là mô hình tầm trung. Phép so sánh công bằng là với Opus 4.8, và Opus vẫn cho cảm giác suy xét kỹ lưỡng hơn trong các quyết định đánh giá mở (như viết đánh giá hiệu suất, cân bằng phản hồi PR, v.v.).
- Độ tin cậy khi gọi hàm là điểm thắng bất ngờ. 95,1% trên BFCL v2 là kết quả cao nhất mà chúng tôi từng đo được. Nếu bạn đang xây dựng các tác nhân (agents), điều này quan trọng hơn một điểm SWE-Bench nữa.
Những gì chúng tôi đã kiểm thử
Chúng tôi đã chạy MAI-Thinking-1 trên năm khối lượng công việc mà chúng tôi dùng để đánh giá mọi mô hình tiên phong mới:
1. Toán học dài hạn (AIME 2026 + danh sách rút gọn IMO 2024)
Chúng tôi đã chọn mười lăm bài toán ngoài bộ benchmark do Microsoft công bố. MAI-Thinking-1 giải đúng 13/15 với lời giải rõ ràng. Opus 4.8 cũng đạt 13/15. GPT-5.5 đạt 11/15. Đây thực sự là thế cân bằng ở đẳng cấp cao nhất, một kết quả đáng chú ý khi xét đến khoảng cách mà Microsoft từng bị bỏ lại phía sau cách đây 18 tháng.
2. Hiểu mã nguồn (Hỏi đáp trên monorepo 80K token)
Chúng tôi nạp một mã nguồn TypeScript 80K token và đặt mười hai câu hỏi xuyên suốt (“các module nào liên quan đến cookie xác thực”, “bộ giới hạn tần suất xử lý xung đột giữa các IP ở đâu”, v.v.). MAI-Thinking-1: đúng 11/12, có trích dẫn nguồn. Opus 4.8: đúng 12/12. Câu duy nhất MAI sai là một câu hỏi tinh tế về dependency injection mà Opus cũng cần hai lượt suy luận để trả lời đúng.
3. Tái cấu trúc + kiểm thử (Chuyển đổi Python sang Rust trong một tệp)
Một module Python thuật toán khoảng 600 dòng. MAI-Thinking-1 tạo ra bản dịch Rust hoạt động được với cargo test pass ngay lần chạy đầu tiên sau một vòng phản hồi lỗi biên dịch. Opus 4.8 ở chế độ chuẩn cũng làm được điều tương tự. Opus vượt trội hơn ở tính idiom của Rust — borrow, lifetime và tránh clone() không cần thiết. Đầu ra của MAI hoạt động tốt nhưng đọc như Rust được viết bởi một kỹ sư Python cấp cao.
4. Quy trình dữ liệu tự động (đa công cụ, đa bước)
Chúng tôi cung cấp cho cả hai mô hình cùng một vòng lặp agent với năm công cụ: SQL, HTTP, nhập/xuất tệp, máy tính và một lối thoát “hỏi người dùng”. Nhiệm vụ: xây dựng bản tóm tắt doanh thu hàng ngày từ ba nguồn nội bộ. MAI-Thinking-1 hoàn thành trong 14 lần gọi công cụ, Opus 4.8 trong 11 lần. MAI thực hiện một truy vấn SQL thừa nhưng không bao giờ bị mắc kẹt. Đây chính là nơi điểm BFCL cao thể hiện giá trị — không có lệnh hàm sai định dạng, không có lỗi phân tích cú pháp JSON.
5. Phán đoán mở (“viết lại bản mô tả sản phẩm này cho một lãnh đạo không chuyên kỹ thuật”)
Opus 4.8 vẫn thắng ở phần này. Đầu ra của MAI-Thinking-1 chính xác, đầy đủ nhưng hơi khô khan. Opus có cảm nhận tốt hơn về việc nên bỏ hẳn những đoạn nào.
MAI-Code-1-Flash: Ngôi sao bất ngờ
Tác động lớn hơn ngay trước mắt có thể đến từ phiên bản nhỏ hơn của MAI-Thinking-1, MAI-Code-1-Flash, mà Microsoft đang triển khai cho mọi gói GitHub Copilot — Free, Pro, Pro+ và Max — trong tuần này.
Các con số nổi bật:
- 85.8% độ chính xác đã điều chỉnh trên benchmark lập trình đối kháng của Microsoft.
- ~51% trên SWE-Bench Pro, một kết quả thuộc đẳng cấp hàng đầu đối với một mô hình nhỏ.
- Giảm tới 60% số token trong các tác vụ lập trình khó hơn so với các mô hình có kích thước tương đương.
- Được huấn luyện ngay trong môi trường vận hành thực tế của GitHub Copilot thay vì chỉ đánh giá trên benchmark bên ngoài rồi triển khai, điều mà Microsoft cho là lợi thế về độ tin cậy cho các vòng lặp lập trình tác nhân (agentic coding loops).
Tuyên bố về hiệu quả token là điểm đáng chú ý. Trong thử nghiệm hạn chế của chúng tôi — chuyển đổi một component Vue 2 nhỏ sang Vue 3 trên năm tệp — MAI-Code-1-Flash đã sử dụng ít hơn khoảng 40% token đầu ra so với Claude Haiku 4.5 cho một bản diff tương đương. Ở quy mô Copilot, điều này tích lũy thành cải thiện biên lợi nhuận thực tế cho Microsoft.
Nếu bạn còn phân vân giữa GitHub Copilot với Cursor hoặc Windsurf, việc nâng cấp lên MAI-Code-1-Flash cùng tùy chọn Claude Opus 4.8 hiện có trong Copilot Max là lý do chính đáng để xem xét lại.
Giá cả và khả năng cung cấp
Microsoft chưa công bố giá niêm yết cho MAI-Thinking-1 — hiện đang ở giai đoạn private preview trên Microsoft Foundry với bản phát hành chính thức “vào nửa cuối năm 2026.” Tuy nhiên:
- MAI-Code-1-Flash được bao gồm mà không tốn thêm chi phí trong mọi gói GitHub Copilot, kể cả gói Free. Đây là một động thái rõ ràng nhắm vào OpenAI.
- Quyền truy cập preview vào MAI-Thinking-1 đang được cấp thông qua Microsoft Foundry cho các khách hàng doanh nghiệp hiện hữu qua cổng Foundry. Dự kiến mức giá sẽ nằm trong khoảng 3–6 USD đầu vào / 15–25 USD đầu ra cho mỗi triệu token, dựa trên mô hình định giá của Foundry đối với các mô hình frontier do Microsoft cung cấp trước đây.
- Các vùng Azure trong giai đoạn preview: East US 2, Sweden Central, Japan East. Việc tuân thủ quy định EU theo nghĩa vụ đối với AI rủi ro cao của AI Act (có hiệu lực từ tháng 8 năm 2026) được xử lý thông qua triển khai tại Sweden Central.
Các API tương thích:
- Chat Completions API (tương thích OpenAI) — tích hợp chỉ với một dòng nếu bạn đã gọi Foundry.
- Responses API — giao diện mới hơn của Foundry hỗ trợ suy luận, được khuyến nghị cho các khối lượng công việc suy luận.
- Gọi hàm (Function calling) với các lời gọi công cụ song song.
- Đầu ra có cấu trúc (Structured outputs) thông qua JSON Schema.
Ưu và nhược điểm
Ưu điểm
- Toán học và suy luận frontier với chi phí của 35B tham số hoạt động.
- Cửa sổ ngữ cảnh 256K với khả năng ghi nhớ ngữ cảnh dài tốt.
- Độ tin cậy gọi hàm hàng đầu (95,1% BFCL v2).
- API tương thích OpenAI đồng nghĩa với chi phí di chuyển bằng không từ Foundry/Azure OpenAI.
- Độc lập chiến lược — không bị khóa vào OpenAI, tạo lợi thế đàm phán nếu bạn thương lượng cam kết Azure.
- Ưu đãi MAI-Code-1-Flash — mọi người dùng Copilot đều được truy cập ngay mô hình mới.
Nhược điểm
- Chỉ có bản xem trước riêng tư — chưa phát hành chính thức, chưa có giá công khai, dung lượng hạn chế.
- Khả năng lập trình kém hơn Opus 4.8 khoảng ~4,5 điểm trên SWE-Bench Pro.
- Viết tự do vẫn còn kém hơn một bậc so với Opus 4.8 và Gemini 3.1 Pro.
- Hệ sinh thái công cụ còn mỏng — không có phiên bản MAI tương đương với Dynamic Workflows của Claude Code hay agent harness của Cursor.
- Phạm vi khu vực còn hạn chế ở giai đoạn xem trước, điều này quan trọng đối với tuân thủ tại EU và APAC.
- Các bài kiểm tra chuẩn do Microsoft công bố trong giai đoạn hiện tại; hãy chờ các bản tái hiện độc lập trong vài tuần tới.
Ai nên sử dụng MAI-Thinking-1?
- Các doanh nghiệp đã cam kết với Azure và đang dùng Foundry — có, hãy chạy thử nghiệm song song trong tháng này. Chi phí chuyển đổi không đáng kể và chất lượng suy luận xứng đáng cho các khối lượng công việc phân tích.
- Các nhóm xây dựng ứng dụng agent quan tâm đến độ tin cậy của function-calling hơn là điểm lập trình thuần túy — MAI-Thinking-1 thực sự là lựa chọn tốt nhất mà chúng tôi từng đo lường ở khía cạnh này.
- Các khối lượng công việc về toán, khoa học và tài chính trước đây sử dụng các mô hình dòng o-series — MAI tương đương hoặc vượt trội hơn, và chúng tôi kỳ vọng chi phí thấp hơn.
- Người dùng GitHub Copilot ở mọi gói — MAI-Code-1-Flash đang được triển khai tự động, bạn không cần đăng ký thêm.
Ai nên tiếp tục dùng công cụ hiện tại
- Người dùng nặng Claude Code thực hiện các đợt tái cấu trúc agent dài hạn — Dynamic Workflows trên Opus 4.8 vẫn chưa có đối thủ tương đương từ Microsoft.
- Công việc viết sáng tạo và xây dựng giọng điệu thương hiệu — Opus 4.8 và Gemini 3.1 Pro vẫn dẫn đầu.
- Các quy trình làm việc nặng về đa phương thức (hiểu hình ảnh và video) — hãy chờ MAI-Image-2 và biến thể MAI-Thinking đa phương thức mà Microsoft đã hé lộ cho mùa thu 2026.
Ý nghĩa chính trị ngầm
Bản phát hành này là tín hiệu rõ ràng nhất cho thấy Microsoft đang dần tách khỏi OpenAI. Bài phát biểu chính tại Build 2026 hầu như không nhắc đến GPT, logo OpenAI vắng mặt trên màn hình thẻ mô hình của Foundry, và Suleyman đã nói rõ rằng dòng MAI được “huấn luyện mà không có sự chưng cất từ các mô hình của bên thứ ba”. Cách tiếp cận đánh giá mù của Surge — “được ưa chuộng hơn Claude Sonnet 4.6” thay vì “ngang bằng GPT-5.5” — cũng là một động thái chiến lược khi so sánh với Anthropic thay vì đối tác mà các mô hình của họ vẫn chiếm phần lớn lưu lượng truy cập Foundry.
Nếu bạn là doanh nghiệp đang vận hành trên Azure, đây là lợi thế. Bạn nên tận dụng điều này trong kỳ gia hạn hợp đồng Microsoft tiếp theo — việc có một nguồn cung cấp thứ hai đáng tin cậy trên Foundry sẽ giúp vị thế đàm phán của bạn mạnh mẽ hơn đáng kể.
Kết luận
4.5 / 5. MAI-Thinking-1 là lần đầu tiên Microsoft ra mắt một mô hình mà câu trả lời cho câu hỏi “tại sao nên dùng mô hình này thay vì GPT-5.5 hoặc Opus 4.8?” không chỉ đơn thuần là “vì nó có trên Azure”. Các kết quả toán học là thực tế, độ tin cậy khi gọi hàm thuộc hàng tốt nhất, và kiến trúc là MoE thưa thực sự chứ không phải mô hình dày giả làm mô hình thưa. Khoảng cách 4.5 điểm trên SWE-Bench Pro so với Opus 4.8 khiến nó chưa đạt điểm tuyệt đối, và trạng thái xem trước riêng tư có nghĩa là bạn chưa thể dựa vào nó trong môi trường sản xuất — nhưng nếu bạn đang dùng Azure, đây là bản phát hành mô hình quan trọng nhất trong quý.
Chúng tôi khuyến nghị mô hình này cho bất kỳ đội ngũ nào đã sử dụng Foundry và sẽ hưởng lợi từ một mô hình suy luận tiên phong mà họ có thể gọi bằng cùng một SDK mà họ đang dùng. Chúng tôi sẽ theo dõi sát sao bản phát hành GA vào H2 2026 và các kết quả tái hiện độc lập của con số AIME 2026 — tại thời điểm đó, kết luận có thể được nâng lên.
Để so sánh với các mô hình tiên phong khác trong năm 2026, hãy xem bài phân tích Gemini 3 vs GPT-5.5 vs Claude, bài đánh giá Claude Opus 4.8 và bài đánh giá GPT-5.5 của chúng tôi. Nếu bạn đang cân nhắc giữa các công cụ lập trình có thể lưu trữ MAI-Code-1-Flash, hãy xem hướng dẫn về các trợ lý lập trình AI tốt nhất của chúng tôi.
Dự đoán cổ phiếu bằng AI — Phân tích thị trường thông minh
Dự báo thị trường chứng khoán và phân tích kỹ thuật bằng AI. Nhận dự đoán hàng ngày cho cổ phiếu, ETF và tiền điện tử kèm theo điểm tin cậy và chỉ số rủi ro.
Xem dự đoán hôm nayĐang xây dựng hoặc tiếp thị một công cụ AI?
Được liệt kê, đánh giá hoặc giới thiệu trên AI Tools Hub — vị trí tin tài trợ trong 12 tháng, đa ngôn ngữ. Từ $49.
Đội ngũ AI Tools Hub
Chuyên gia đánh giá công cụ AI
Đội ngũ những người đam mê AI và chuyên gia công nghệ của chúng tôi thử nghiệm và đánh giá hàng trăm công cụ AI để giúp bạn tìm ra giải pháp hoàn hảo cho nhu cầu của mình. Chúng tôi cung cấp phân tích trung thực và chuyên sâu dựa trên trải nghiệm sử dụng thực tế.