Mis on MAI-Thinking-1?
MAI-Thinking-1 on Microsoft AI esimene spetsiaalselt arutlemiseks loodud mudel. See on mõeldud keeruliste probleemide lahendamiseks rohkem aega kulutama, enne kui vastus esitatakse, mistõttu sobib see paremini keeruka matemaatika, tarkvaraarenduse, kvantitatiivse analüüsi ja muude ülesannete jaoks, kus kiire, kuid pealiskaudne vastus ei pruugi olla piisav.
Mudel on hõre ekspertide segu (Mixture-of-Experts ehk MoE) Transformer. Lihtsustatult öeldes sisaldab see väga suurt hulka õpitud parameetreid, kuid aktiveerib iga päringu puhul neist ainult osa. Microsofti sõnul on MAI-Thinking-1-l 35 miljardit aktiivset parameetrit ja ligikaudu 1 triljon parameetrit kokku. Hõreda arhitektuuri eesmärk on pakkuda mudelile suurt võimekust, ilma et iga tekstiosa töötlemiseks tuleks kasutada kõiki parameetreid.
MAI-Thinking-1 kuulub MAI-Thinkingu mudeliperre ja seda pakutakse Microsoft Foundry kaudu, mitte üldise tarbijatele mõeldud vestlusrobotina. Dokumenteeritud juurdepääsutee on Chat Completionsiga ühilduv API, mis kasutab Global Standardi juurutust. Mudel avaldati 12. augustil 2026 ning selle olekuks on märgitud avalik eelvaade.
Põhispetsifikatsioonid lühidalt
| Spetsifikatsioon | MAI-Thinking-1 |
|---|---|
| Pakkuja | Microsoft AI |
| Mudeli tüüp | Arutlusmudel |
| Arhitektuur | Hõre ekspertide segu (Mixture-of-Experts) Transformer |
| Aktiivsed parameetrid | 35 miljardit |
| Parameetreid kokku | Ligikaudu 1 triljon |
| Kontekstiaken | 256 000 tokenit |
| Maksimaalne väljund | 64 000 tokenit või väiksema jäägi korral konteksti eelarve allesjäänud osa |
| Sisend ja väljund | Tekst sisendina, tekst väljundina |
| Juurutus | Microsoft Foundry Global Standard |
| Kättesaadavus | Avalik eelvaade |
256 000 tokeni näitaja tähistab ühe päringu kogutokeneelarvet. Maksimaalne väljund on piiratud 64 000 tokeniga, kuid pika sisendi korral jääb vastuse jaoks vähem ruumi. Seega on tegelik väljundipiir 64 000 tokenit või konteksti eelarve kasutamata osa, olenevalt sellest, kumb on väiksem.
Arutlus- ja kodeerimisvõimekus
MAI-Thinking-1 on eelkõige mõeldud probleemidele, mis nõuavad mitut omavahel seotud sammu. Sobivad näited on matemaatiliste lahenduste tõestamine või kontrollimine, kvantitatiivsete eelduste analüüsimine, suure koodibaasi läbitöötamine, teostusplaani koostamine, vigade otsimine ning koodi parandamine pärast seda, kui testid on probleemi paljastanud.
Microsofti sõnul keskendusid treeningu- ja treeningujärgsed protsessid matemaatilisele arutlemisele, tarkvaraarendusele, tööriistade kasutamise keskkondadele, juhiste järgimisele, faktitäpsusele ja tarbetute keeldumiste vähendamisele. Mudel treeniti algusest peale puhtal, jälgitava päritoluga ja nõuetekohaselt litsentsitud andmestikul ning Microsoft kinnitab, et kolmandate osapoolte mudelitest ei tehtud destilleerimist.
Kodeerimismeeskondade jaoks ei seisne mudeli väärtus ainult lühikeste koodinäidete genereerimises. Selle pikk kontekst võib olla kasulik ülesannetes, mis hõlmavad mitut faili, mahukaid logisid, tehnilisi nõudeid või pikka testiajalugu. Mudelit saab kasutada ka koodi lugemiseks, muutmiseks, testimiseks, vigade otsimiseks ja ebaõnnestunud lähenemistest taastumiseks. Need on kavandatud kasutusviisid, mitte garantii, et iga genereeritud lahendus kompileerub või on korrektne.
Microsoft teatab tulemustest 97,0% AIME 2025-l, 94,5% AIME 2026-l, 52,8% SWE-Bench Pro-l ja 87,7% LiveCodeBench v6-l. Need näitajad pärinevad teenusepakkujalt. Neid tuleks käsitleda mudeli positsioneerimise näitajatena, mitte rakenduse jõudluse universaalsete ennustustena, sest võrdlusaluste konfiguratsioonid, viibad, juurdepääs tööriistadele ja hindamistingimused võivad erineda.
256 000 tokeni suurune kontekstiaken pikkade ettevõtteülesannete jaoks
MAI-Thinking-1 256 000 tokeni suurune kontekstiaken on üks selle praktiliselt olulisemaid spetsifikatsioone. Kontekstiaken näitab tekstihulka, mida mudel saab ühe päringu puhul arvesse võtta, sealhulgas viipa ja genereeritud vastust. Suur aken võib vähendada vajadust jagada pikk dokument, koodibaasi väljavõte, lepingute kogum, uurimismaterjalid või intsidentide ajalugu paljudeks eraldi vestlusteks.
Pikk kontekst ei tähenda automaatselt täiuslikku meelespidamist ega analüüsi. Kasutajad peavad lähteinfo ikkagi korrastama, olulised jaotised välja selgitama ning tähtsad järeldused üle kontrollima. Mudel võib genereerida kuni 64 000 väljundtokenit, arvestades allesjäänud konteksti eelarvet, kuid väga pikk vastus ei ole alati kõige kasulikum. Tootmisrakendustes tuleks vastuse pikkust piirata vastavalt ülesandele ja edasise töötlemise nõuetele.
Tekstipõhine sisend ja väljund koos rakenduse hallatavate tööriistadega
MAI-Thinking-1 võtab vastu teksti ja genereerib teksti. See ei toeta algupäraselt piltide, heli ega video vastuvõtmist või genereerimist. Seetõttu ei ole see sobiv valik visuaalsete dokumentide mõistmiseks, piltide genereerimiseks, kõnepõhiseks suhtluseks, videoanalüüsiks ega meedia loomiseks.
Mudel toetab funktsioonikutseid Chat Completionsi API kaudu, kuid Microsofti dokumentatsioon eristab seda algupärase tööriistaliidese olemasolust. Integreeriv rakendus vahendab funktsioonikutseid ja ühendab mudeli väliste süsteemidega. Rakendus vastutab selle eest, millised tööriistad on saadaval, argumentide valideerimise, tagastatud andmete töötlemise ja turvapiiri jõustamise eest.
Selline ülesehitus võimaldab agentlikke töövooge, näiteks siseandmebaasist päringute tegemist, testikäsu käivitamist, dokumentide hankimist või struktureeritud tulemuste mudelile tagastamist. See ei tähenda, et MAI-Thinking-1-le tuleks anda luba juhtida piiranguteta autonoomset süsteemi. Microsofti sõnul ei ole mudelit loodud ega hinnatud autonoomseks otsustajaks olulistes õigus-, finants-, meditsiini-, tööhõive-, haridus-, eluaseme-, krediidi- ega ohutuskriitilistes otsustes.
Kättesaadavus, juurutus ja eelvaate olek
MAI-Thinking-1 on avalikus eelvaates saadaval Microsoft Foundry kaudu, kasutades Global Standardi juurutust. Mudeli dokumentatsioonis märgitud täpne Azure'i mudeliversioon on 2026-06-01. Provisioned Throughput Unit ehk PTU-juurutust praegu ei toetata.
Eelvaate olek on mudelit hindavate organisatsioonide jaoks oluline. Microsoft märgib, et eelvaade ei hõlma teenusetaseme lepingut ja seda ei soovitata tootmiskoormuste jaoks. Kättesaadavus, piirangud, käitumine ja hinnad võivad teenuse arenedes muutuda. Meeskonnad saavad eelvaadet siiski kasutada katseteks, sisehindamiseks, võrdlustestideks ja hoolikalt kontrollitud prototüüpideks, kuid peaksid vältima eelvaate käsitlemist stabiilse tootmissõltuvusena ilma sobiva varulahenduseta.
Hinnad ja kuludega seotud kaalutlused
Microsoft lisab MAI-Thinking-1 Microsoft Foundry hinnakirja, kuid selle profiili koostamisel vaadatud ametlik hinnaleht ei esitanud sisend- ega väljundtokenite arvulisi hindu. Seetõttu ei saa siin esitada kontrollitud tokenipõhist hinda.
Mudeli hõre arhitektuur võib pakkuda tõhususeelist võrreldes sarnase parameetrite kogumahuga tiheda mudeliga, kuid esitatud dokumentatsioon ei kinnita konkreetset hinna- ega kiiruseelist. Kulu sõltub Microsoft Foundry kehtivatest hindadest, päringu suurusest, genereeritud väljundist, juurutustingimustest ning konto- või piirkonnapõhistest tingimustest. Enne eelarve kinnitamist peaksid organisatsioonid kontrollima Foundry ajakohast hinnakirja.
MAI-Thinking-1 tuleks käsitleda arutlusele keskenduva valikuna, mitte automaatselt iga päringu kõige odavama või kiirema mudelina. Selle kavandatud väärtus seisneb keerukates ülesannetes, kus parem mitmeastmeline analüüs, kodeerimisvõimekus või pika konteksti töötlemine võib õigustada suuremat latentsust või kulu. Lihtsa klassifitseerimise, lühikese andmeväljavõtte, tavapärase vestluse või suure mahu ja väikese keerukusega päringute korral võib sobivam olla väiksem ja kiirem mudel.
Parimad kasutusviisid
- Matemaatiline ja teaduslik arutlemine: mitmeastmeliste probleemide lahendamine, tuletuskäikude kontrollimine ja kvantitatiivsete järelduste selgitamine.
- Tarkvaraarendus: koodi ülevaatamine, vigade otsimine, testide kirjutamine, tõrgete analüüsimine ja töötamine suuremas tehnilises kontekstis.
- Kvantitatiivne ettevõtteanalüüs: finantsmodelleerimine, statistiline analüüs, turu suuruse hindamine, prognoosimine ja eelduste uurimine.
- Pika kontekstiga dokumenditöö: suurte tekstikogumite võrdlemine, tehnilise materjali sünteesimine ja küsimustele vastamine mahukate projektidokumentide põhjal.
- Rakenduse hallatavad agentlikud töövood: arutlemise ühendamine heakskiidetud funktsioonide, otsingusüsteemide, andmebaaside või testimistööriistadega rakenduse kontrolli all.
Millal valida MAI-Thinking-1?
Vali MAI-Thinking-1 siis, kui peamine väljakutse on keerukas tekstipõhine arutlemine, mitte meedia töötlemine. See sobib hästi meeskondadele, kes vajavad suurt kontekstiakent, mahukat maksimaalset väljundit, kodeerimisabi, kvantitatiivset analüüsi või rakenduse hallatavat funktsioonikutsetega töövoogu.
See võib olla üldotstarbelisest kiirest mudelist parem valik, kui ülesanne nõuab mitut üksteisest sõltuvat arutlussammu, suure hulga lähtematerjali töötlemist või korduvat vigade otsimist. Samuti võib see olla sobivam kui multimodaalne mudel juhul, kui töövoog on täielikult tekstipõhine ning prioriteediks on matemaatiline või tarkvaraarenduse jõudlus.
Teine valik on sobivam siis, kui ülesanne nõuab pilte, heli, videot või algupärast meedia mõistmist; kui rakendus vajab SLA-ga üldiselt kättesaadavat tootmismudelit; või kui ettearvatav hind ja suur läbilaskevõime on olulisemad kui täiustatud arutlusvõime. Suure mõjuga otsuste puhul on inimeste tehtav ülevaatus vajalik olenemata mudeli tulemustest võrdlustestides.
Piirangud, millega arvestada
Kõige olulisem piirang on avaliku eelvaate olek. Teenusetaseme lepingut ei ole, PTU-juurutust ei toetata ning Microsoft ei soovita mudelit selles etapis tootmiskoormuste jaoks. Funktsioonide käitumine ja hinnad võivad muutuda.
Mudel on ka rangelt tekstipõhine, mistõttu visuaalset, heli- või videoinfot sisaldavad failid vajavad eraldi eeltöötlust või teist mudelit. Funktsioonikutseid vahendab hostrakendus, mitte piiranguteta algupärane tööriistakeskkond. Seetõttu on rakenduse ülesehitus, õigused, valideerimine ja seire eriti olulised.
Lõpuks ei välista head tulemused arutlusvõime võrdlustestides faktivigu, kodeerimisdefekte, turvaprobleeme ega sobimatuid soovitusi. Enne oluliste otsuste mõjutamist tuleb väljundeid võrrelda lähtematerjalidega ja lasta kvalifitseeritud inimestel need üle hinnata.
Kokkuvõte
MAI-Thinking-1 on Microsofti spetsialiseeritud arutlusmudel keerukaks tekstipõhiseks tööks. Selle peamine kombinatsioon on hõre arhitektuur, millel on 35 miljardit aktiivset parameetrit ja ligikaudu 1 triljon parameetrit kokku, 256 000 tokeni suurune kontekstiaken ning 64 000 tokeni suurune väljundilagi. Need näitajad muudavad selle asjakohaseks ettevõtete matemaatika-, kodeerimis-, kvantitatiivse analüüsi ja pika kontekstiga töövoogude jaoks.
Selle avaliku eelvaate olek, kontrollitud hinnainfo puudumine, PTU-juurutuse puudumine, tekstipõhine ülesehitus ja teenusetaseme lepingu puudumine piiravad seda, kus seda praegu kasutada tuleks. Kontrollitud hindamiseks ja keerukateks arutlusülesanneteks Microsoft Foundrys on see paljulubav valik; tavapäraste, multimodaalsete, väga ajakriitiliste või tootmiskriitiliste töökoormuste korral võib sobivam olla teist tüüpi mudel.