MAI-Thinking-1 — pierwszy model rozumujący Microsoftu

Co Microsoft pokazał na Build 2026

Na Build 2026 Microsoft zaprezentował nową rodzinę modeli MAI (Microsoft AI). Jej flagowym elementem jest MAI-Thinking-1 — model rozumujący, obok którego pojawił się m.in. MAI-Code-1-Flash: lekki, agentowy model do kodu, wbudowany w GitHub Copilot i Visual Studio Code.

Czym właściwie jest MAI-Thinking-1

„Model rozumujący" (reasoning model) to taki, który przed udzieleniem odpowiedzi przeprowadza wewnętrzny tok rozumowania — rozkłada problem na kroki, zamiast odpowiadać natychmiast. To rodzina, do której należą o1/o3 od OpenAI oraz tryby rozszerzonego myślenia w modelach Anthropic. MAI-Thinking-1 to pierwsza propozycja Microsoftu w tej kategorii.

Do czego został stworzony

Microsoft pozycjonuje go jako model do złożonej, wieloetapowej pracy — nie do prostych odpowiedzi:

• Wieloetapowe rozumowanie — zadania, które trzeba rozłożyć na kroki.
• Praca na długim kontekście — obszerne dokumenty i historia rozmowy bez gubienia wątku.
• Złożone instrukcje — wiele warunków i zależności naraz.
• Generowanie i analiza kodu — pisanie, czytanie i poprawianie kodu.

Parametry techniczne

Według Microsoftu model ma 35 miliardów aktywnych parametrów i okno kontekstu 128K tokenów, a jego architektura jest zoptymalizowana pod koszt i wydajność, a nie pod maksymalną skalę. To istotny wybór: 35 mld to raczej segment średni, nie „frontier-level" jak największe modele OpenAI czy Google. Microsoft świadomie nie buduje tu „największego modelu świata", tylko model wystarczająco mocny i dużo tańszy w eksploatacji dla firm.

Co Microsoft twierdzi o jakości (i dlaczego warto być ostrożnym)

Komunikat producenta jest mocny. W ślepym teście użytkownicy mieli preferować MAI-Thinking-1 nad Sonnet 4.6 od Anthropic, a w benchmarkach programistycznych typu SWE-Bench Pro model ma osiągać wyniki zbliżone do Opus 4.6.

Tu jednak potrzebna jest zasada ograniczonego zaufania. To benchmarki i testy publikowane przez sam Microsoft. Dopóki model nie trafi szerzej do niezależnych testów — LM Arena, realne ewaluacje kodu, obciążenia enterprise — nie wiadomo, czy te wyniki przełożą się na praktykę.

Czym różni się od OpenAI

Microsoft mocno podkreśla jedną rzecz: model został wytrenowany „from scratch” — od zera, na komercyjnie licencjonowanych danych enterprise, bez destylacji modeli firm trzecich. W świecie AI, gdzie firmy bywają oskarżane o uczenie się „na cudzych modelach", to subtelny, ale politycznie ważny przekaz.

To również sygnał strategiczny. Mimo wielomiliardowej współpracy Microsoft chce być mniej zależny od OpenAI — relacja między firmami jest dziś bardziej partnersko-konkurencyjna niż kiedyś. Własny model to po prostu własna karta przetargowa.

Gdzie go użyjesz

Na start MAI-Thinking-1 jest dostępny w Microsoft Foundry w prywatnym preview — czyli głównie dla partnerów i klientów enterprise. Docelowo można zakładać integracje z całym ekosystemem Microsoftu: GitHub Copilot, Visual Studio Code, Copilotami w Office i Windowsie oraz usługami enterprise na Azure.

Microsoft buduje własny stos AI

Najciekawsze nie jest pojedyncze porównanie benchmarków, tylko obraz całości. Obok MAI-Thinking-1 Microsoft pokazał modele do obrazu, głosu, transkrypcji i kodu. To wygląda na próbę zbudowania własnego odpowiednika „ekosystemu OpenAI" — tylko w pełni osadzonego w Windows, Office i Azure.

Co to znaczy dla Twojej firmy

Z perspektywy biznesu najważniejsze nie jest pytanie „czy to najmocniejszy model". Ważniejsze są trzy rzeczy:

• Koszt-efektywność. 35 mld aktywnych parametrów sugeruje model zaprojektowany pod realne wdrożenia w firmach, a nie pod bicie rekordów. Biznesowo to często ważniejsze niż „najmocniejszy".
• Wpięcie w narzędzia, których już używasz. Jeśli pracujesz w ekosystemie Microsoftu, model będący częścią Copilota, VS Code i Azure obniża barierę wejścia niemal do zera.
• Presja na ceny. Jeśli „wystarczająco dobry" model okaże się istotnie tańszy, zaostrzy konkurencję — co dla klientów oznacza zwykle lepszy stosunek jakości do ceny w całym rynku.

Wniosek? Nie wybieraj modelu AI po najwyższym słupku w benchmarku producenta. Wybieraj po stosunku jakości do kosztu w Twojej realnej pracy — a MAI-Thinking-1 jest dowodem, że ten właśnie wymiar staje się polem głównej walki.