Zum Hauptinhalt springen

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.

Beliebtheitnoch keine Daten

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.

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.
Quelle Microsoft announcement Table 1 pixels
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.
Quelle Microsoft announcement Table 1 pixels
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.
Quelle Microsoft announcement Table 1 pixels
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.
Quelle Microsoft announcement Table 1 pixels
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.
Quelle Microsoft announcement Table 1 pixels
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.
Quelle Microsoft announcement Table 1 pixels
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.
Quelle Microsoft announcement Table 1 pixels
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.
Quelle Microsoft announcement Table 1 pixels
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.
Quelle MAI-Thinking-1: Building a Hill-Climbing Machine (Microsoft AI technical report)
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.
Quelle MAI-Thinking-1: Building a Hill-Climbing Machine (Microsoft AI technical report)
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.
Quelle MAI-Thinking-1: Building a Hill-Climbing Machine (Microsoft AI technical report)
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.
Quelle MAI-Thinking-1: Building a Hill-Climbing Machine (Microsoft AI technical report)

Seite 1 von 4

Alle technischen Daten

Architektur

Parameter
Rund 1 Billion insgesamt laut Microsoft, 35 Milliarden aktiv (Mixture of Experts)
Quelle: Parameter

Ein- und Ausgabe

Kontextfenster
256K Token laut Microsoft
Quelle: Kontextfenster
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

Veröffentlichung
12. August 2026
Quelle: Veröffentlichung
Zugang
Öffentliche Vorschau in Microsoft Foundry
Quelle: Zugang
Abschaltung
Keine angekündigt
ohne Quelle

Weitere Angaben

Schwerpunkt
Reasoning für Mathematik, Wissen und Coding
Quelle: Schwerpunkt

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.

KontextfensterKontextlimit in Token · höher ist besser
Kimi K2.6262 Tsd.
Qwen 3.8 27B262 Tsd.
Kimi K2.7 Code262 Tsd.
Kimi K2.5262 Tsd.
Kimi K2 Thinking262 Tsd.
Mistral Medium 3.5262 Tsd.
MAI-Thinking-1Platz 85 von 112256 Tsd.

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.

ArtNachweis und Datenstand
RecherchestandRecherchestand 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 QuelleMicrosoft 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 QuelleMicrosoft MAI-Thinking-1 technical report (abgerufen 17. Oktober 2026)
Weitere QuelleMathBench.ai (abgerufen 28. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 28. Oktober 2026)