- Startseite
- KI-Modelle
- Microsoft
- MAI-Thinking-1
Microsoft AISprachmodellVorschau
MAI-Thinking-1
Für MAI-Thinking-1 gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen. Aus den Herstellerangaben schätzen wir rund 73,2 Punkte (95-%-Bereich 53,2 bis 93,1). Das ist keine unabhängige Messung.
k. A.ohne Such- oder Nutzungsdaten
Zusammenfassung
MAI-Thinking-1 wurde laut Microsoft ohne Destillation von Modellen anderer Anbieter trainiert. Microsoft setzt stattdessen auf eigene nachvollziehbare Trainingsdaten und ausführbare Coding-Umgebungen, in denen echte Tests die Ergebnisse bewerten. Das MoE-Modell aktiviert 35 Milliarden von rund 1 Billion Parametern.
Seit dem 12. August 2026 ist es als öffentliche Vorschau in Microsoft Foundry zugänglich. Microsoft nennt ein Kontextfenster von 256K Token.
Auf dieser Seite
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 44 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 4
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
AIME 2025 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 97
- Messgröße
- AIME 2025
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft announcement Table 1 pixels
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Post-trained model evaluation; percentages. Agentic coding uses 256K total context; others max output 256K. Separate blind human preference study has 1,276 tasks.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
AIME 2026 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 94,5
- Messgröße
- AIME 2026
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft announcement Table 1 pixels
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Post-trained model evaluation; percentages. Agentic coding uses 256K total context; others max output 256K. Separate blind human preference study has 1,276 tasks.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
HMMT Feb 2026 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 84,9
- Messgröße
- HMMT Feb 2026
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft announcement Table 1 pixels
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Post-trained model evaluation; percentages. Agentic coding uses 256K total context; others max output 256K. Separate blind human preference study has 1,276 tasks.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
GPQA Diamond (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 84,2
- Messgröße
- GPQA Diamond
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft announcement Table 1 pixels
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Post-trained model evaluation; percentages. Agentic coding uses 256K total context; others max output 256K. Separate blind human preference study has 1,276 tasks.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
LCB v6 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 87,7
- Messgröße
- LCB v6
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft announcement Table 1 pixels
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Post-trained model evaluation; percentages. Agentic coding uses 256K total context; others max output 256K. Separate blind human preference study has 1,276 tasks.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
Terminal Bench 2.0 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 46
- Messgröße
- Terminal Bench 2.0
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft announcement Table 1 pixels
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Post-trained model evaluation; percentages. Agentic coding uses 256K total context; others max output 256K. Separate blind human preference study has 1,276 tasks.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
SWE-Bench Verified (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 73,5
- Messgröße
- SWE-Bench Verified
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft announcement Table 1 pixels
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Post-trained model evaluation; percentages. Agentic coding uses 256K total context; others max output 256K. Separate blind human preference study has 1,276 tasks.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
SWE-Bench Pro (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 52,8
- Messgröße
- SWE-Bench Pro
- Einheit
- %
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft announcement Table 1 pixels
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Post-trained model evaluation; percentages. Agentic coding uses 256K total context; others max output 256K. Separate blind human preference study has 1,276 tasks.
- Einordnung
- Quellenspezifische Beobachtung, keine gemeinsame Vergleichsgruppe.
Human side-by-side preference vs Claude Sonnet 4.6 (win share) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 49
- Messgröße
- Share of pairwise comparisons won by MAI-Thinking-1
- Einheit
- %
- Benchmark-Version
- Microsoft technical report Table 14; task pool 1.276; comparator as named
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- MAI-Thinking-1: Building a Hill-Climbing Machine (Microsoft AI technical report)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakter berichteter Modellname MAI-Thinking-1; menschliche Side-by-Side-Evaluation des Anbieters gegen den genannten Claude-Vergleich. Der Aufgabenpool umfasst 1.276 englische Aufgaben, davon 30 % mit mehreren Gesprächsrunden; menschliche Bewertende nutzen für die Gesamtpräferenz eine Sieben-Punkte-Skala von -1,5 bis +1,5. Serving-Revision, API-Route, Reasoning-Stufe, Generierungsparameter und genaue Zahl gepaarter Bewertungen sind für diese Evaluation nicht veröffentlicht.
- Einordnung
- Die Zahl 1.276 ist die veröffentlichte Größe des Aufgabenpools, kein bestätigter Nenner gepaarter Bewertungen; sampleCount bleibt deshalb leer. Die Quelle druckt bei den mittleren Präferenzwerten +/- 0,06, definiert diese Schreibweise im berichteten Abschnitt aber nicht; sie wird nicht als Konfidenzintervall eingetragen. Die 6-%- und 5-%-Gleichstände sind im Capture und in der Notiz dokumentiert, aber nicht importiert, weil das erforderliche Richtungsfeld eine neutrale Gleichstandsrate nicht ohne irreführende Qualitätsrichtung darstellen kann.
Human side-by-side preference vs Claude Sonnet 4.6 (loss share) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 45
- Messgröße
- Share of pairwise comparisons lost by MAI-Thinking-1
- Einheit
- %
- Benchmark-Version
- Microsoft technical report Table 14; task pool 1.276; comparator as named
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- MAI-Thinking-1: Building a Hill-Climbing Machine (Microsoft AI technical report)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakter berichteter Modellname MAI-Thinking-1; menschliche Side-by-Side-Evaluation des Anbieters gegen den genannten Claude-Vergleich. Der Aufgabenpool umfasst 1.276 englische Aufgaben, davon 30 % mit mehreren Gesprächsrunden; menschliche Bewertende nutzen für die Gesamtpräferenz eine Sieben-Punkte-Skala von -1,5 bis +1,5. Serving-Revision, API-Route, Reasoning-Stufe, Generierungsparameter und genaue Zahl gepaarter Bewertungen sind für diese Evaluation nicht veröffentlicht.
- Einordnung
- Die Zahl 1.276 ist die veröffentlichte Größe des Aufgabenpools, kein bestätigter Nenner gepaarter Bewertungen; sampleCount bleibt deshalb leer. Die Quelle druckt bei den mittleren Präferenzwerten +/- 0,06, definiert diese Schreibweise im berichteten Abschnitt aber nicht; sie wird nicht als Konfidenzintervall eingetragen. Die 6-%- und 5-%-Gleichstände sind im Capture und in der Notiz dokumentiert, aber nicht importiert, weil das erforderliche Richtungsfeld eine neutrale Gleichstandsrate nicht ohne irreführende Qualitätsrichtung darstellen kann.
Human side-by-side preference vs Claude Opus 4.6 (win share) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 43
- Messgröße
- Share of pairwise comparisons won by MAI-Thinking-1
- Einheit
- %
- Benchmark-Version
- Microsoft technical report Table 14; task pool 1.276; comparator as named
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- MAI-Thinking-1: Building a Hill-Climbing Machine (Microsoft AI technical report)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakter berichteter Modellname MAI-Thinking-1; menschliche Side-by-Side-Evaluation des Anbieters gegen den genannten Claude-Vergleich. Der Aufgabenpool umfasst 1.276 englische Aufgaben, davon 30 % mit mehreren Gesprächsrunden; menschliche Bewertende nutzen für die Gesamtpräferenz eine Sieben-Punkte-Skala von -1,5 bis +1,5. Serving-Revision, API-Route, Reasoning-Stufe, Generierungsparameter und genaue Zahl gepaarter Bewertungen sind für diese Evaluation nicht veröffentlicht.
- Einordnung
- Die Zahl 1.276 ist die veröffentlichte Größe des Aufgabenpools, kein bestätigter Nenner gepaarter Bewertungen; sampleCount bleibt deshalb leer. Die Quelle druckt bei den mittleren Präferenzwerten +/- 0,06, definiert diese Schreibweise im berichteten Abschnitt aber nicht; sie wird nicht als Konfidenzintervall eingetragen. Die 6-%- und 5-%-Gleichstände sind im Capture und in der Notiz dokumentiert, aber nicht importiert, weil das erforderliche Richtungsfeld eine neutrale Gleichstandsrate nicht ohne irreführende Qualitätsrichtung darstellen kann.
Human side-by-side preference vs Claude Opus 4.6 (loss share) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 52
- Messgröße
- Share of pairwise comparisons lost by MAI-Thinking-1
- Einheit
- %
- Benchmark-Version
- Microsoft technical report Table 14; task pool 1.276; comparator as named
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- MAI-Thinking-1: Building a Hill-Climbing Machine (Microsoft AI technical report)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakter berichteter Modellname MAI-Thinking-1; menschliche Side-by-Side-Evaluation des Anbieters gegen den genannten Claude-Vergleich. Der Aufgabenpool umfasst 1.276 englische Aufgaben, davon 30 % mit mehreren Gesprächsrunden; menschliche Bewertende nutzen für die Gesamtpräferenz eine Sieben-Punkte-Skala von -1,5 bis +1,5. Serving-Revision, API-Route, Reasoning-Stufe, Generierungsparameter und genaue Zahl gepaarter Bewertungen sind für diese Evaluation nicht veröffentlicht.
- Einordnung
- Die Zahl 1.276 ist die veröffentlichte Größe des Aufgabenpools, kein bestätigter Nenner gepaarter Bewertungen; sampleCount bleibt deshalb leer. Die Quelle druckt bei den mittleren Präferenzwerten +/- 0,06, definiert diese Schreibweise im berichteten Abschnitt aber nicht; sie wird nicht als Konfidenzintervall eingetragen. Die 6-%- und 5-%-Gleichstände sind im Capture und in der Notiz dokumentiert, aber nicht importiert, weil das erforderliche Richtungsfeld eine neutrale Gleichstandsrate nicht ohne irreführende Qualitätsrichtung darstellen kann.
Seite 1 von 4
Ähnliche Modelle
Weitere Modelle derselben Art wie MAI-Thinking-1, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- MAI-Code-1.1-FlashMicrosoft AI · gleicher Anbieter
- MAI Code 2Microsoft AI · gleicher Anbieter
- MAI Code 2 FlashMicrosoft AI · gleicher Anbieter
- GLM-5.3Z.ai · ähnliche Größe
- Kimi K2.6Moonshot AI · ähnliche Größe
- GLM-5.2Z.ai · ähnliche Größe
- Muse Spark OpenMeta · ähnliche Größe
- InklingThinking Machines Lab · ähnliche Größe
Alle technischen Daten
Architektur
- Parameter
- Rund 1 Billion insgesamt laut Microsoft, 35 Milliarden aktiv (Mixture of Experts)
- Quelle: Parameter
Ein- und Ausgabe
- Funktionen
- Funktionsaufrufe, Entwickleranweisungen und Chat-Completions-kompatible API
- Quelle: Funktionen
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
- Abschaltung
- Keine angekündigt
- ohne Quelle
Weitere Angaben
Häufige Fragen zu MAI-Thinking-1
Wie gut ist MAI-Thinking-1 in Benchmarks?
Unabhängige Ergebnisse reichen noch nicht für den Gesamtindex. Eine Schätzung aus 5 Herstellerangaben (AIME 2025 97 %, GPQA Diamond 84,2 %, SWE-bench Pro (öffentlich) 52,8 %, SWE-bench Verified 73,5 %, Terminal-Bench 2.0 46 %) ergibt rund 73,2 Punkte, mit einem 95-%-Bereich von 53,2 bis 93,1. Die Schätzung ist an Modellen geeicht, für die es sowohl Herstellerangaben als auch unabhängige Messungen gibt. Herstellerangaben liegen bei einigen Tests deutlich über unabhängigen Messungen; die Eichung gleicht das im Mittel aus.
Herstellerschätzung, kein Wert des Gesamtindex
Wie groß ist das Kontextfenster von MAI-Thinking-1?
256.000 Token. Für Ein- und Ausgabe können zusätzliche Limits gelten.
Kann ich MAI-Thinking-1 lokal nutzen?
Nein. Microsoft AI veröffentlicht die Gewichte nicht.
Angaben von Microsoft AI
- Offene Gewichte
- nein
- Lizenz
- k. A.
- Parameter
- 1 Bio.
- davon aktiv je Token
- 35 Mrd.
Quellen und Datenstand
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 4. Oktober 2026. 4 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | score-scale-and-scored-denominator Hinweis Tabellen 12 und 19 nennen keine Einheiten, ausgewerteten Stichprobengrößen pro Aufgabe oder Konfidenzintervalle. Tabelle 19 nennt den Mittelwert aus vier Läufen, aber keine Streuung. |
| Nicht veröffentlicht | paired-rating-denominator Originalwortlaut The 1,276 number is the task-pool size; the exact number of paired ratings contributing to each outcome/mean is not explicitly reported. |
| Ungeklärt | plus-minus-notation Originalwortlaut Table 14 prints +/- 0.06 beside each mean preference but the cited section does not define whether it is a standard error, interval, or another quantity; it is not encoded as a confidence interval. |
| Nicht veröffentlicht | serving-revision-and-reasoning-effort Originalwortlaut The human evaluation does not publish the MAI-Thinking-1 serving revision, route, reasoning effort, or generation settings. |
| Ungeklärt | neutral-tie-rate-projection Originalwortlaut The paper reports 6% ties versus Sonnet and 5% versus Opus. Those neutral shares are retained in the note/capture but withheld from the schema because higherIsBetter is mandatory and cannot express a neutral direction. |
| Weitere Quelle | Microsoft AI MAI-Thinking-1 announcement (abgerufen 4. Oktober 2026; 25. Oktober 2026) · Microsoft AI MAI-Thinking-1 announcement · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | Microsoft MAI-Thinking-1 technical report (abgerufen 17. Oktober 2026) |
| Weitere Quelle | MathBench.ai (abgerufen 28. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 28. Oktober 2026) |